Page 6 - RETIC_NOV_2019_Vol_2_1

Revista de ecocardiografía
práctica y otras técnicas de imagen cardíaca

La automatización de la medidas no sólo va a conseguir una mayor reproducibilidad de las mismas, sino también acercar las precisiones de cál-
culo entre el experto y aquel que se inicia en la técnica, lo que sin duda significa un aumento en la seguridad diagnóstica de la ecocardiografía
y, más aún, cuando la ecocardiografía se maneja cada vez más por profesionales no cardiólogos especialistas expertos. Por otra parte, se han
creado algoritmos prácticamente automáticos que permiten la medición de parámetros complejos como con el cálculo automático del PISA
(7)
(6)
(8)
tridimensional , la medida tridimensional de la válvula mitral o el reconocimiento de la raíz aórtica y la válvula aórtica en el espacio que, de
nuevo, consiguen más precisión en las mediciones y una mayor velocidad de cálculo.
Diagnósticos definitivos globales con inteligencia artificial

Sin duda, el interés final de estas técnicas es poder establecer un diagnóstico definitivo en diferentes situaciones en que es de difícil realización
porque necesita una gran experiencia por parte del que lo realiza. Un ejemplo típico es la distinción entre hipertrofia fisiológica o patológica del
atleta, donde se ha propuesto que el uso de IA con redes neuronales artificiales y árbol de decisiones (random forest) sea capaz de establecer el
(9)
diagnóstico diferencial entre estas dos situaciones con una sensibilidad superior al 95% .

(10)
Recientemente Omar ha demostrado que las redes convolucionales neurales se pueden utilizar para aumentar la seguridad diagnóstica de la
ecocardiografía de estrés que, como es bien conocido, en muchas ocasiones es una prueba con un análisis muy subjetivo, que precisa un alto
grado de experiencia. Tras analizar diferentes modelos, como random forest, deep learning y support vector machines, las redes convolucionales
neurales ofrecen un modelo con una gran sensibilidad (81%) cuando se establece la comparación con el lector experto y abren un gran campo
a su utilización para la toma de decisiones en base al estudio de ecocardiografía de estrés.
(11)
Sengupta ha demostrado recientemente la utilidad de un algoritmo de machine learning para establecer uno de los diagnósticos más
complejos en ecocardiografía, como es la distinción entre pericarditis constrictiva y miocardiopatía restrictiva con una seguridad diagnóstica
(12)
del 90%. Igualmente, Zhang hace un entrenamiento de redes convolucionales neurales con datos de cerca de 14.000 ecocardiografías y de-
muestra que el algoritmo es preciso en el diagnóstico de la hipertensión arterial pulmonar, la amiloidosis y la miocardiopatía hipertrófica. Cada
día se van incorporando con rapidez nuevos trabajos que confirman la utilidad del método en nuevos escenarios clínicos que van ampliando
su uso en la práctica diaria.

Hacia dónde vamos con la utilización de la inteligencia artificial
en la interpretación ecocardiográfica

Cuando se habla de IA específicamente en técnicas de imagen diagnóstica siempre surge la pregunta de si los expertos en imagen son una “raza”
médica a extinguir ante la interrupción de máquinas que diagnostican con más precisión que ellos. Sin duda, la manera de trabajar en nuestro
medio se va a modificar en función de la incorporación de la IA en la rutina diaria. Hay que pensar que se está en los albores del método, algo
así como el modo M de la IA y que el campo de desarrollo es inmenso, pero creo que no hay que preocuparse por la posibilidad de verse des-
plazado, todo lo contrario, se debe dar la bienvenida a esta herramienta que va a ayudar al cerebro humano a ser más efectivo. Hay que recordar
que el cerebro humano tiene unas capacidades innatas de abstracción, razonamiento, sentido común e integración del conocimiento: una de
las grandes virtudes de la asociación de nuestros billones de neuronas es establecer patrones jerárquicos de conocimiento basado en nuestra
experiencia previa, que son imposibles de ni siquiera insinuarse con la simplicidad de las redes neuronales artificiales que maneja un ordenador.

Creer que las máquinas que el hombre crea van a sustituirnos es tener poca confianza en los cerebros que las han creado. Todo lo contario, las
máquinas nos ayudarán en labores que complican nuestra rutina, como otras máquinas nos han liberado de trabajos tediosos (desde la lavadora
hasta las máquinas recolectoras del campo).

Estas máquinas nos harán más efectivos, con más capacidad de resolución, con eliminación de cálculos tediosos y tiempo malgastado, con
exactitud en las mediciones que igualarán al experto y no experto en su obtención. Nos darán más tiempo para comunicarnos con el paciente
como centro de nuestra profesión. Estamos en la infancia del método y deberemos esperar a que los refinamientos en su uso definan su sitio en
la clínica diaria, aunque sus primeros balbuceos prometen un porvenir espectacular.
Miguel Ángel García Fernández *
Antonio López Farré **
* Cátedra de Imagen cardíaca. Universidad Complutense de Madrid. Madrid. España
Profesor Titular, Departamento de Medicina, Facultad de Medicina, Universidad Complutense de Madrid.
**
Académico Correspondiente de la Real Academia Nacional de Medicina de España

RETIC 2019 (2); 1: I-V IV