Revista Española de Medicina Nuclear e Imagen Molecular 41 (2022) 1–2

Editorial

Inteligencia Artificial y Medicina Nuclear. Hoy ya es futuro

Artificial Intelligence and Nuclear Medicine. Today is already the future

El concepto de Inteligencia Artificial (IA) se establece como dis- riesgo, hasta otras mucho más complejas que integran varias moda-
ciplina académica en 1956, como “la inteligencia demostrada por lidades diagnósticas (SPECT, PET, RMN) enfocadas a la detección,
las máquinas en contraste con la inteligencia natural mostrada por localización, clasificación, segmentación, cuantificación y aplica-
los animales y personas”. Hoy nos encontramos con una evolución ciones de la radiómica.4
de este concepto, que aplicada al contexto médico se puede definir Un ejemplo de estos usos, lo representa el trabajo de nuestro
como un sistema que tiene capacidad de interpretación correcta de grupo de investigación para desarrollar una metodología de clasi-
datos externos, que aprende de esos datos y que utiliza ese aprendi- ficación ordinal de los pacientes con sospecha de enfermedad de
zaje para adquirir unos objetivos específicos a través de un proceso Parkinson en base a la realización de estudio tomográfico con 123 I-
flexible de adaptación. Es básico entender que cuando hablamos del ioflupano. Como valor añadido supone la integración en los equipos
uso de datos en el sector sanitario, estamos tratando con datos de de trabajo de profesionales de otras áreas diferentes de la medicina,
carácter personal, con referencias unas condiciones clínicas y que especialmente de ingenieros informáticos.5
requieren del nivel más alto de privacidad lo cual constituye una Uno de los aspectos más controvertidos en la aplicación de AI
barrera a la hora de poner en marcha nuevos proyectos y desarro- a la práctica diaria en el aspecto ético. Debemos de considerar que
llos, que deben ser integrados en el circuito habitual de trabajo de utilizamos datos (con las prevenciones legales y regulatorias que
los profesionales sanitarios 1 tienen), que se aplican algoritmos (muchos de ellos operan en el
En el área concreta de la imagen médica, el desarrollo de la concepto “black box”, en el que los pasos del análisis no son trans-
tecnología de la información y del poder de computación han per- parentes) y que los resultados se aplicarán a la práctica asistencial.
mitido la aplicación de tecnología basadas en IA para decisiones Otro dilema importante es la responsabilidad: los profesionales tie-
clínicas, diagnósticas y automatización de procedimientos que dan nen responsabilidad en las decisiones que toman, en el manejo de la
como resultado una reducción de la carga de trabajo directa de información y su aplicación a un paciente. Los sistemas de IA no tie-
los profesionales. En el campo concreto de la Medicina Nuclear, nen responsabilidad en si mismos. Recientemente se han propuesto
proporcionan la oportunidad de automatizar la interpretación un total de 16 principios éticos para la utilización de IA en Medi-
de imágenes, clasificación de pacientes, integración con concep- cina Nuclear: beneficencia, no maleficencia, legitimidad y justicia,
tos de radiómica, segmentaciones automáticas, predicciones de seguridad, fiabilidad, garantía de protección de datos, privacidad
riesgo o incluso relacionar la imagen con resultados terapéuticos o y confidencialidad, disminución de sesgos, transparencia y visi-
supervivencia.2 La automatización de muchas de estas tareas pro- bilidad, explicable y comprensible, respeto a valoras, autonomía,
porcionará una mayor robustez y reproductibilidad, con un menor trabajo en equipo, responsabilidad, gobernanza e inclusividad.6
consumo de recursos, ya que aportará mejoras en los flujos de tra- La IA representa una oportunidad de mejora de la eficacia y
bajo, en la gestión y como resultado global en la calidad. la exactitud del trabajo de los profesionales de medicina nuclear,
El proceso de la imagen en Medicina Nuclear ha mejorado sig- planteando un cambio en la práctica diaria, reduciendo el número
nificativamente por la disponibilidad de nuevos radiofármacos y de tareas básicas a realizar y poniendo el foco del profesional en
mejores equipos, así como del soporte de computación necesario. aquellas que realmente aportan valor. El temor inicial de que la IA
Sin duda, se verá sensiblemente mejorado cuando a la interpreta- disminuiría el número de puestos de trabajo se transforma en la
ción habitual de los estudios, realizada por profesionales expertos dirección de que solo afectará negativamente a aquellos profesio-
(pero con aspectos de subjetividad, disparidad de criterios o incluso nales que no se adhieran a la utilización de la IA. Aunque quedan
fatiga), se añadan herramientas de IA que mejoren la interpretación muchos retos por resolver, es indudable que debemos trabajar en la
y clasificación de estos.3 línea de entender, aplicar, desarrollar, testar y utilizar herramientas
Debemos de familiarizarnos con conceptos como aprendizaje basada en IA que supondrán una mejora importante en la Medicina
supervisado (utilizar un alto volumen de datos para entrenar a la Nuclear y, lo más importante, en su aplicación a los pacientes.
máquina para clasificar o predecir un resultado; un ejemplo prác-
tico lo constituyen los sistemas de conducción autónoma, que tras
el entrenamiento con miles de imágenes, permite distinguir ele- Bibliografía
mentos de modo similar al sentido de la vista); aprendizaje no
1. Herrero-González A. El valor de los datos y su aplicabilidad al sector sanitario. Rev
supervisado (pretende descubrir patrones ocultos o información Esp Med Nucl Imagen Mol 2022.(REMNIM D21-000302).
estructural en datos no etiquetados; como ejemplo los análisis de 2. Seifert R, WeberM, Kocakavuk E, Rischpler C, Kersting D. Artificial Intelligence
clústeres que emplean plataformas como YouTube para conocer and Machine Learning in Nuclear Medicine: Future Perspectives. Semin Nucl Med.
2020;51:170–7.
datos de los usuarios en base al consumo de música o videos). En 3. Greenspan H, van Ginneken B, Summers RM. Deep Learning in Medical Imaging:
base a estos modelos de aprendizaje, integrados en redes convo- Overview and Future Promise of an Exciting New Technique. IEEE Transactions
lucionales, imitando la estructura del cerebro humano, se pueden on Medical Imaging. 2016;35:1153–8.
4. Currie G, Rohren E. Intelligent Imaging in Nuclear Medicine The principles of
generar multitud de aplicaciones al campo de la medicina nuclear, artificial intelligence, machine learning and deep Learning. Semin Nucl Med.
desde las más simples como la evaluación de calidad o análisis de 2020;51:102–11.

https://doi.org/10.1016/j.remn.2021.12.004
2253-654X/© 2021 Sociedad Española de Medicina Nuclear e Imagen Molecular. Publicado por Elsevier España, S.L.U. Todos los derechos reservados.

Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en noviembre 25, 2024. Para
uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2024. Elsevier Inc. Todos los derechos reservados.
J.A.V. Casas and E. Rodríguez-Caceres Revista Española de Medicina Nuclear e Imagen Molecular 41 (2022) 1–2
b
Grupo de Investigación Medicina Nuclear GA-10 Instituto
5. Durán-Rosal A, Camacho-Cañamón J, Gutierrez PA, Guiote Moreno MV, Rodríguez- Maimónides de Investigación Biomédica de Córdoba (IMIBIC),
Cáceres E, Vallejo Casas JA, Hervás-Martínez C. Ordinal classification of the
Hospital Universitario “Reina Sofía”. Córdoba, España
affectaction level of 3D-images in Parkinson diseases. Sci Reports. 2021;11, 7067.
6. Currie G, Kawk KE, Rohren E. Ethical principles for the application of artificial inte-
lligence (AI) in nuclear medicine. Eur J Nucl Med Mol Imaging. 2020;47:748–52. ∗ Autor para correspondencia.

Correo electrónico: jantonio.vallejo.sspa@juntadeandalucia.es

Juan Antonio Vallejo Casas a,b,∗ y Ester Rodríguez-Caceres b (J.A.V. Casas).
a Unidad de Gestión Clinica de Medicina Nuclear Instituto

Maimónides de Investigación Biomédica de Córdoba (IMIBIC),

Hospital Universitario “Reina Sofía”, Córdoba, España

Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en noviembre 25, 2024. Para
uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2024. Elsevier Inc. Todos los derechos reservados.