Se celebró el 7ª congreso conjunto de SEFM y SEPR de manera virtual del 31 de mayo al 4 de junio de 2021.
Durante el congreso virtual, tuvimos la suerte de asistir a la sesión técnica impartida por don Joaquín López Arráiz, profesor del Grupo de Física Nuclear e IPARCOS de la Universidad Complutense de Madrid, y colaborador del Instituto de Investigación Sanitaria del Hospital Clínico San Carlos (IdISSC), Madrid. Siendo uno de los expertos en el campo de la Física Médica en nuestro país. El profesor López dio una sesión sobre los Retos de la inteligencia Artificial y su proyecto X-COV.
En la primera parte de la sesión el profesor López, nos introdujo algunas métricas en el campo de la Artificial Intelligence (AI) en Medicina, el año pasado se alcanzaron 19.000 publicaciones de PUBMED sobre este tema. Otro dato de interés, fueron las estimaciones de mercado en AI para los próximos cinco años, alcanzando una cifra de 30.000 millones de dólares en 2025, lo que supone un crecimiento del 44% anual (fuente Markets and Markets Reports).
Tras poner en contexto la relevancia y el crecimiento que ha tenido la AI, el profesor López, nos presentó el nacimiento del proyecto X-COV, en 2020 cuando empezó la Pandemia, los médicos tenían que tomar muchas decisiones rápidas y críticas sobre los pacientes con COVID-19, y dar respuesta a las siguientes cuestiones: ¿Debemos hospitalizarlos? ¿Está funcionando el tratamiento? ¿Están listos para ser dados de alta? Y para ello se empezó a pensar en entrenar el algoritmo para diagnosticar pneumonía.
El profesor López, explicó los retos en campo de IA, cuáles son los enfoques que se debe trabajar para desarrollar desde el punto de vista regulatorio, como podemos explicar y comprender los resultados, la fiabilidad y robustez del modelo, como debemos clasificar los datos para entrenar al algoritmo, la importancia de trabajar en equipos multidisciplinares, para tener un enfoque holístico a hora de afrontar la problemática. El radiólogo es una figura clave a la hora de afrontar modelos de IA, ya que son los que nos ayudan a seleccionar e interpretar los casos. Concluyendo desde el punto de vista ético, debemos trabajar con datos equilibrados en género, edad, raza, etc. Para evitar sesgos de las muestras.
Si quieren conocer más en detalle del proyecto, le recomendamos que visiten la página web de la Universidad Complutense.