1
Cómo la inteligencia artificial permite hacer resonancias magnéticas un 50% más veloces
La incorporación de software inteligente permitió mejorar la calidad de los resultados y la velocidad de las exploraciones al reconstruir imágenes de alta resolución en cada estudio
5 minutos de lectura'
Calidad y velocidad son dos de los grandes avances que la llegada de la inteligencia artificial (IA) aportó al campo de la medicina. En el caso de la imagen por resonancia magnética (IMR), la incorporación de software inteligente permitió mejorar la calidad de los resultados y la velocidad de las exploraciones al reconstruir imágenes de alta resolución en cada estudio. Si alguna vez tuvieron que hacerse un estudio de IMR, habrán notado que los turnos disponibles eran de madrugada o en horarios poco habituales, lo que se conoce como “banda negativa”.
Esta situación está cambiando gracias a la tecnología y a los avances en software y algoritmos que las empresas fabricantes de equipos han venido implementando para optimizar estudios médicos junto con científicos de todo el mundo. En especial, se han logrado mejoras significativas en la generación de imágenes de alta calidad, fundamentales en el caso de la IMR, donde la información detallada es clave.
En la Argentina, varios institutos han incorporado equipos con estas características. Por ejemplo, FLENI utiliza el software Entelai Pic; el Instituto Consultorio Radiológico de Resistencia (ICRR) cuenta con un resonador que mejora la relación señal-ruido (SNR) y la nitidez de las imágenes mediante IA; y Diagnóstico Maipú ha implementado un desarrollo de General Electric para optimizar la experiencia y calidad de los estudios.
Desde hace 13 años, Patricia Carrascosa, doctora, directora médica y jefa del departamento de investigación de Diagnóstico Maipú, es investigadora y “key opinion leader” de General Electric. “GE me ofreció probar dos algoritmos de inteligencia artificial en resonancia magnética para validar su uso clínico”, cuenta.
En 2021, comenzaron a probar la herramienta para mejorar la experiencia de los pacientes. “Este algoritmo permite obtener imágenes de mayor calidad y en menor tiempo. La propuesta de valor es importante, tanto para el paciente como para el médico derivador. Aunque no todos los pacientes son claustrofóbicos, a nadie le gusta estar dentro de un equipo cerrado”, explica Carrascosa. En muchos casos, incluso se puede evitar la sedación o anestesia, lo que mejora notablemente la experiencia de quienes ingresan al resonador. Además, Diagnóstico Maipú ha desarrollado un sistema anti-claustrofobia basado en un conjunto de espejos e imágenes que generan una sensación de amplitud dentro del equipo para mejorar la comodidad del paciente.
“Según el tipo de estudio, se logra una reducción en el tiempo de realización de hasta un 64%, manteniendo o mejorando la calidad de la imagen en cada caso. Una vez implementado el algoritmo de IA para su uso asistencial, realizamos encuestas a nuestros pacientes y observamos que aquellos que se habían realizado estudios con IA calificaron la duración del mismo como corta en un 84%, habitual en un 14,7% y prolongada en un 1,3%. En contraste, entre los pacientes que realizaron sus estudios en equipos sin IA, solo el 22,3% consideró que la duración fue corta, el 57,6% la percibió como habitual y el 20,1% como prolongada”, indican desde el centro médico.
Antes de avanzar con la implementación en todas sus sucursales, realizaron una encuesta a 1000 pacientes, la cual reveló que el 96% consideró muy importante la reducción del tiempo de estudio. Dentro de este total, el 75% de los encuestados que se reconocieron claustrofóbicos afirmaron que podrían tolerar una resonancia magnética sin necesidad de sedación si el estudio no duraba más de 10 minutos. Además, el 90% de los pacientes valoró positivamente la posibilidad de obtener un turno en un lapso no mayor a una semana y en “banda positiva” (de 7 a 20 horas). En relación con la experiencia, el 84% de quienes se realizaron una resonancia magnética con IA la percibieron como “corta” en comparación con los tiempos habituales en equipos que no utilizan esta tecnología.
La reducción en el tiempo de uso del resonador por cada examen también ha permitido aumentar la disponibilidad de turnos. “Nuestra estrategia institucional fue implementarlo de manera que generemos una propuesta de valor tanto para el paciente como para el médico derivador. Reducimos el tiempo, pero mejoramos la calidad de imagen, asegurándonos de que estas no tuvieran ruido (interferencias)”, explica Carrascosa. El ruido es un factor común en las imágenes y, en equipos sin IA, cuanto menor es el tiempo del estudio, mayor es la probabilidad de interferencias. La incorporación de IA ha permitido obtener imágenes más rápidas, sin ruido y de mejor calidad.
No solo la experiencia del estudio ha mejorado, sino que, al ser estudios más breves, se liberan turnos en horarios diurnos. “Para que la propuesta de valor sea óptima, medimos el NPS (Net Promoter Score), que consiste en consultar a todos nuestros pacientes cómo vivieron la experiencia dentro de la institución, desde que ingresaron hasta que salieron”. Además de la implementación de la IA y sus beneficios, se incorporó más personal en recepción y consolas, lo que optimizó aún más la satisfacción del paciente.
Adicionalmente, se está implementando un proyecto llamado “Full Digital”, con el objetivo de mejorar aún más la experiencia del paciente mediante la posibilidad de realizar un web check-in, similar al de los aeropuertos, para agilizar la recepción.
Por último, decidieron que ningún costo adicional se trasladará al paciente, sino que esta innovación será una propuesta de valor tanto para los pacientes como para los médicos derivadores.
Aquí una muestra de cómo funciona la herramienta de General Electric AIR™ Recon DL:
Según una investigación de Mordor Intelligence, se estima que el mercado de inteligencia artificial en resonancia magnética alcanzará los 1,65 mil millones de dólares en 2025 y crecerá hasta los 4,18 mil millones de dólares para 2030, impulsado por la mejora en la precisión del diagnóstico y la planificación del tratamiento basada en IA.
Más leídas
