Biotecnología
La IA está a punto de convertirse en una herramienta de diagnóstico médico invaluable
Añade Securities.io a tus fuentes preferidas en Google
Nuevas Herramientas para Diagnósticos Antiguos
La inspección visual sigue siendo importante en muchos diagnósticos. En las afecciones del oído, interpretar correctamente el tímpano requiere formación y una exploración adecuada.
La experiencia del profesional influye en el diagnóstico de otitis media aguda (OMA). Estudios anteriores comunicaron precisiones diagnósticas de entre el 30% y el 84%, según la formación, el tipo de profesional y la edad de los niños. Esas cifras no son una comparación directa con un nuevo sistema evaluado en otra muestra.
La otitis media con derrame consiste en líquido en el oído medio sin los signos de infección aguda propios de la OMA. Confundir un derrame con OMA puede llevar a prescribir antibióticos innecesarios; también puede producirse infradiagnóstico de OMA. No todo líquido detrás del tímpano requiere tratamiento antimicrobiano.
Un sistema de visión artificial conectado a un otoscopio y un teléfono podría ayudar al profesional a distinguir estas situaciones. Reducir prescripciones innecesarias es un objetivo, pero su efecto real sobre el uso de antibióticos debe evaluarse en la práctica.
“El infradiagnóstico conduce a una atención inadecuada y el sobrediagnóstico a tratamientos antibióticos innecesarios, lo que puede comprometer la eficacia de los antibióticos disponibles. Nuestra herramienta ayuda a orientar el diagnóstico y el tratamiento.”
Alejandro Hoberman, profesor de pediatría y director de la División de Pediatría Académica General de la Facultad de Medicina de la Universidad de Pittsburgh.
Fuente: UPMC
Las infecciones del oído son frecuentes en la infancia. El porcentaje cercano al 70% durante el primer año citado en el original es una estimación de contexto, no la proporción observada en esta muestra ni una tasa universal.
Diagnóstico con IA
Hoberman colaboró con investigadores de la Escuela de Ingeniería Tandon de Nueva York, el Centro Bosch de Inteligencia Artificial de Pittsburgh y Dcipher Analytics de Estocolmo.
Publicaron sus resultados en JAMA Pediatrics, con el título “Desarrollo y validación de un clasificador automatizado para diagnosticar otitis media aguda en niños”.
La adquisición de imágenes utiliza un otoscopio conectado a una cámara de teléfono. El sistema no convierte por sí solo un teléfono sin accesorio ni exploración clínica en un diagnóstico completo.
Los investigadores desarrollaron dos modelos con 1.151 vídeos del tímpano de 635 niños. Expertos clasificaron manualmente los vídeos para establecer la referencia diagnóstica.
Se utilizaron 921 vídeos para entrenamiento y 230 para evaluar los modelos.
La forma, el color, la posición y la translucidez del tímpano forman parte de la información visual relevante.
Fuente: UPMC
Resultados en la evaluación del estudio
La red neuronal obtuvo una sensibilidad del 93,8% y una especificidad del 93,5%; el árbol de decisión alcanzó el 93,7% y el 93,3%, respectivamente. El 9,38% del original era un error. Sensibilidad y especificidad describen la detección de casos positivos y negativos; no son idénticas a la precisión global.
Los resultados fueron prometedores, pero la comparación con intervalos de estudios anteriores no demuestra superioridad universal frente a los médicos. Hace falta validación en otras poblaciones y en condiciones de uso clínico.
Guardar vídeos puede ayudar a documentar la exploración, explicar el diagnóstico a la familia y formar a estudiantes y residentes. Deben respetarse los requisitos de privacidad y conservación de datos.
La herramienta podría apoyar a profesionales de atención primaria y reducir errores. No sustituye la evaluación del paciente ni garantiza por sí sola menos prescripciones.
El uso de accesorios disponibles puede facilitar la implantación, aunque hacen falta validación, formación, integración clínica y las autorizaciones que correspondan.
Empresas de Diagnóstico con IA
Aplicar IA a datos médicos presenta dificultades por su heterogeneidad, los sesgos y las diferencias entre equipos y poblaciones.
Las redes neuronales han mejorado la visión artificial. Reconocer objetos en la carretera y diagnosticar una enfermedad, sin embargo, son tareas distintas que requieren validación propia.
La interpretación de tomografías, resonancias magnéticas y otras imágenes combina formación, experiencia y contexto clínico. La IA puede asistir en tareas específicas, pero el éxito en conducción autónoma no prueba que supere a las personas en todos los diagnósticos.
Varias compañías incorporan IA a sus sistemas de imagen, entre ellas GE Healthcare, Siemens Healthineers, Canon Medical y Philips. Son grupos con múltiples líneas de negocio, no inversiones exclusivamente vinculadas a diagnóstico con IA.
También existen empresas privadas especializadas, como PathAI y Viz.AI. Ser privada no significa cotizar en una bolsa privada equivalente al mercado público. A continuación se comentan compañías cotizadas en el contexto de 2024.
1. Butterfly Network
BFLY Gráfico de precios
Butterfly desarrolla sondas portátiles de ecografía y software para gestionar su uso. Su plataforma “Compass” se orienta a la gestión de programas y flujos de trabajo de ecografía; no debe confundirse con un diagnóstico autónomo.
Fuente: Butterfly Network
En 2024 la compañía presentó su tercera generación de sonda, la iQ3. Según el anuncio de lanzamiento de febrero de 2024, la iQ3 duplica la velocidad de transferencia de datos de su predecesora y ofrece el doble de capacidad de procesamiento que la iQ+. Su tecnología Ultrasound-on-Chip utiliza transductores semiconductores en lugar del diseño piezoeléctrico convencional.
Entre las capacidades anunciadas se incluyen visualización multiplano, funciones de captura volumétrica, software conectado y un inicio más rápido. La disponibilidad y el precio dependen del producto, la licencia y el mercado; no todas las comparaciones garantizan un coste menor.
La empresa utiliza herramientas de IA para apoyar la adquisición de imágenes, determinadas mediciones y la formación. Las funciones de asistencia no sustituyen la responsabilidad diagnóstica del profesional.
Fuente: Butterfly Network
Butterfly ha trabajado en mercados internacionales y aplicaciones veterinarias. La portabilidad puede facilitar exploraciones, pero la disponibilidad comercial y las indicaciones deben comprobarse en cada país.
2. Enlitic (ENL.AX)
Enlitic utiliza IA para analizar y normalizar información asociada a imágenes radiológicas. Su finalidad aquí es mejorar la coherencia de los datos, no producir automáticamente un diagnóstico médico. DICOM y HL7 cumplen funciones diferentes dentro del intercambio de información sanitaria.
La visión artificial y el procesamiento del lenguaje ayudan a identificar y estandarizar campos como región anatómica, orientación, contraste y características de adquisición en estudios de TC, resonancia y radiografía.
Fuente: Enlitic
La normalización puede facilitar la interoperabilidad, el archivo y el desarrollo de herramientas analíticas. No garantiza por sí sola compatibilidad perfecta ni elimina la necesidad de controles de calidad.
La reutilización de datos para entrenar modelos puede tener valor, pero requiere derechos de uso, protección de la privacidad y evaluación del riesgo de reidentificación. Estandarizar no equivale automáticamente a anonimizar.
