Anales de la RANM

112 A N A L E S R A N M R E V I S T A F U N D A D A E N 1 8 7 9 INTELIGENCIA ARTIFICIAL EN IMAGEN MÉDICA Martí-Bonmatí L An RANM. 2024;141(02): 111 - 118 Figura 1. Flujo de los principales procesos relacionados con la Inteligencia Artificial y la Imagen Médica. Modificado de Martí-Bonmatí L et al. Informe anticipando Radiómica. Fundación Instituto Roche 2022. o radiación potencialmente dañinos. Además, las herramientas de análisis de imágenes impulsadas por IA proporcionan a los radiólogos y médicos nucleares con una fiabilidad sin precedentes en la detección, caracterización y seguimiento de numerosas enfermedades. Estas herramientas pueden identificar cambios sutiles en las imágenes que podrían no observarse por el profesional, lo que permite diagnósticos más tempranos y precisos, y con menor incertidumbre (2). En imagen médica, la IA se emplea en todos los pasos relevantes del proceso, como los que se mencionan a continuación (1). • La valoración de adecuación y repetición de es- tudios, para evitar realizar pruebas que no sean procedentes o sean innecesarias por repetitivas, • La citación de pacientes, en las salas y tiempos más ajustados a las posibilidades del servicio y la próxima citación del paciente con el médico que ha prescrito la prueba, • La adquisición de las imágenes, posicionan- do al paciente y optimizando los parámetros de adquisición y control de movimiento en el equipo, • Reconstruyendo las imágenes, minimizando el ruido inherente y mejorando la rapidez en la obtención de una imagen de mayor calidad y contraste, • Procesando la imagen, generando nuevas imá- genes que sirvan de base para la extracción de información reproducible al eliminar la in- fluencia asociada al vendedor, el protocolo de estudio o los parámetros particulares que se hayan utilizado, • Etiquetando las regiones, obteniendo una seg- mentación de todas las estructuras de inte- rés, como los órganos, sus subregiones, como el hipocampo, o las lesiones, como un tumor o un aneurisma, añadiendo además una capa de identificación y alerta cuando sea necesario (3), • Extracción de características radiómicas, tanto de órganos como de las lesiones identificadas, localizadas y segmentadas, • Creación de modelos predictores, tras la inte- gración y análisis de datos, para que esta infor- mación esté disponible al radiólogo durante la realización de su informe (4). Los avances en IA, especialmente empleando soluciones basadas en el Aprendizaje Profundo ( Deep Learning ) y Redes Neuronales Convolu- cionales ( Convolutional Neural Networks ), han sido muy importantes en los últimos años, marcando hitos que van desde la realización de procesos considerados como tediosos o directa- mente impracticables, incluyendo la delimita- ción y análisis de todas las regiones cerebrales en un estudio de RM (5), hasta la generación de modelos clínicos predictores de la eficacia de un tratamiento de inmunoterapia o una mutación genética concreta en un tumor analizando sus propiedades radiómicas (6).