La Cámara de Instituciones de Diagnóstico Médico (Cadime) organizó este jueves 28 de mayo un seminario virtual sobre cómo se está aplicando la Inteligencia Artificial (IA) al diagnóstico por imágenes en la Argentina. Durante esa charla, los especialistas abordaron la incorporación de esta tecnología en hospitales argentinos, un proceso que ya alcanzó a 77 instituciones públicas.

El evento fue moderado por Luis Marcos, médico especialista en diagnóstico por imágenes y asesor de Cadime. Participaron también el bioingeniero Martín Sánchez, representante de la empresa argentina de IA aplicada a la salud Entelai; Antonio Morales, gerente de Tecnoimagen; y Ernesto Ridel, coordinador de implementación de la misma compañía.

Durante la charla hablaron de los resultados obtenidos en los programas de modernización sanitaria impulsados junto con el Banco Interamericano de Desarrollo (BID), destinados a implementar sistemas de digitalización y gestión de imágenes en hospitales públicos de mediana complejidad. También analizaron el Programa de Apoyo al Sector Sanitario Público (Prosepu), que acompañó el proceso de digitalización de hospitales regionales de alta complejidad.

Sánchez aseguró que, en algunas experiencias de implementación, ya “se redujo a la mitad el tiempo de revisión de mamografías que no presentaban hallazgos”.

El especialista explicó además que los principales casos de uso de la inteligencia artificial en diagnóstico por imágenes son actualmente el screening masivo de cáncer, la automatización de reportes clínicos y el triage el sistema de evaluación y clasificación rápida que determina la prioridad de atención médica según la gravedad de cada paciente en servicios de emergencia, con el objetivo de acelerar el flujo de trabajo.

A la vez, advirtió que uno de los principales desafíos del diagnóstico mamario es que “el 30% de los cánceres de mama no son detectados en el screening convencional”. Como factores que influyen en este problema, mencionó el déficit de radiólogos en algunas regiones de la Argentina, la fatiga visual, la variabilidad entre profesionales y los falsos negativos que pueden producirse en una de cada cinco mamografías.

Morales y Ridel señalaron que, en los programas que permitieron la incorporación de esta tecnología en 77 hospitales públicos de la Argentina, uno de los principales beneficios fue la posibilidad de transformar gastos de capital en gastos operativos. Esto permitió eliminar la barrera de entrada que representaba la compra de hardware importado y adoptar un modelo de pago por estudio.

“El ahorro fue del 90% en costos de infraestructura inicial, del 40% en costos de almacenamiento masivo y del 43% en el costo total de propiedad”, sostuvo Morales. Según precisó, estos resultados incluyen además servicios de ciberseguridad con estándares equivalentes a los utilizados en el sistema bancario.

El especialista informó que los hospitales involucrados ya procesaron mediante inteligencia artificial un total de 21.042 estudios históricos únicos, equivalentes al 1,55% del total analizado. A su juicio, esto demuestra que el uso de la inteligencia artificial como herramienta de apoyo al diagnóstico médico “ya es una realidad en la Argentina”.

Respecto de la implementación en hospitales públicos, Sánchez indicó que el proceso comenzó con la modernización de los sistemas Picture Archiving and Communication System (PACS) y la mejora de la infraestructura mediante la gestión centralizada de imágenes. Posteriormente, se avanzó en la adopción de algoritmos integrados para apoyo diagnóstico y en la optimización de estos sistemas, una etapa que aún continúa para alcanzar un proceso de mejora continua de la productividad.

En ese sentido, la tecnología desarrollada por Entelai validada con más de un millón de estudios por imágenes permite realizar análisis de mamografías integrados al flujo, Radiology Information System y Picture Archiving and Communication System (RIS/PACS) en menos de cinco minutos. Según la empresa, la herramienta alcanza una sensibilidad superior al 95% en modo triage, identifica microcalcificaciones y nódulos, y genera reportes automatizados y estandarizados.

Además, cuenta con un modo denominado “segunda opinión”, que sirve de apoyo para seleccionar pacientes candidatas a estudios complementarios, como ecografías o tomosíntesis. Para las radiografías de tórax, la herramienta incorpora mapas de calor que ayudan a detectar anomalías.