Anales de la RANM

116 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 reales, asegurando que cumple con los indica- dores clave de rendimiento predefinidos (19). Estos resultados muestran el compromiso de PRIMAGE con la mejora de la atención del cáncer pediátrico a través de tecnología innovadora, con el objetivo de lograr avances significativos en la medicina personalizada y el manejo clínico de enfermedades complejas. RETOS DE LA IA, LA IMAGEN MÉDICA Y LA MEDICINA DE PRECISIÓN La IA ha transformado la imagen médica y la medicina de precisión. Para generar soluciones reproducibles y potentes se necesitan infraestructuras europeas que permitan a investigadores e innovadores el acceso a grandes volúmenes de imágenes. Este es el principal activo de la infraestructura European Cancer Images (EUCAIM) (Figura 4). El impacto de una IA reprodu- cible y de modelos predictivos eficientes integrando datos radiómicos con otros datos clínicos, moleculares y genéticos del paciente será un paso fundamental hacia una medicina personalizada de precisión. Su impacto en estos campos se puede contextualizar en varios aspectos clave: • Mejora en la precisión y rapidez del diagnósti- co. La IA puede analizar las imágenes médicas con una precisión y velocidad prácticamente instantáneas. Esto permite identificar lesiones, como tumores, fracturas y anomalías vascu- lares, con alta precisión y en menos tiempo. Además, al minimizar la dependencia de la in- terpretación subjetiva humana, la IA reduce los errores diagnósticos por cansancio o falta de experiencia del profesional. • Personalización del tratamiento: La IA permite analiza grandes volúmenes de datos del pacien- te (genómicos, metabólicos, radiómica, estilo de vida), para diseñar tratamientos adaptados a las características individuales de cada pa- ciente, mejorando así su eficacia y reduciendo posibles efectos secundarios. La IA puede tam- bién predecir la evolución de la enfermedad en cada paciente, permitiendo adelantar las inter- venciones más adecuadas (20). • Eficiencia operativa: La IA puede automatizar tareas rutinarias y repetitivas en la interpre- tación de imágenes, permitiendo a los profe- sionales médicos centrarse en aspectos más críticos del diagnóstico y el tratamiento. Con su capacidad de gestionar, integrar y analizar eficientemente enormes conjuntos de datos, fa- cilita la identificación de patrones y correlacio- nes que podrían pasar desapercibidos para los profesionales, mejorando la toma de decisiones clínicas (21). • Avances en técnicas de imagen: La IA puede mejorar la calidad de las imágenes médicas, in- cluso en condiciones subóptimas, mediante la reducción de ruido y la mejora del contraste, lo que genera imágenes de mayor calidad y mejor interpretación. Figura 4. Diagrama general de la infraestructura European Cancer Images (EUCAIM, Project 101100633, DIGITAL- 2022-CLOUD-AI-02) con sus dos áreas principales: el entorno para optimizar la extracción robusta y reproducible de variables radiómicas como biomarcadores de imagen (derecha), y la red de centros, instituciones y programas sobre los que construir estudios observacionales rápidos centrados en el papel de la imagen médica en la Medicina de Precisión.