Desafíos en el Uso de la Inteligencia Artificial en Patología - Por: Elba Torres-Matundan MD, FCAP, FASCP

El tema y la integración de la inteligencia artificial (IA) en la medicina lleva más de una década, sin embargo, en Patología ha tomado mayor relevancia en los últimos tres años.  Aunque la AI ofrece un gran potencial para transformar la patología mediante el aumento de la eficiencia, la precisión y la accesibilidad, su implementación no está exenta de serios desafíos. Estos problemas abarcan dominios técnicos, clínicos, éticos y logísticos, y deben ser abordados para garantizar una integración segura, equitativa y efectiva en la práctica médica cotidiana. Entre los grandes retos se encuentran:

Calidad de los Datos

Los modelos de IA requieren grandes cantidades de datos y de alta calidad para funcionar de manera efectiva. En patología, esto significa tener acceso a imágenes digitalizadas completas, con monitores adecuados que representen la calidad y exactitud de las imágenes. Sin embargo, puede verse afectado por: algunas enfermedades o tipos de tejidos en particular aquellos que están subrepresentados en los conjuntos de datos de entrenamiento. Además, si los datos provienen principalmente de una sola institución, o región demográfica de pacientes, el modelo podría tener un rendimiento deficiente en otros entornos clínicos. Las diferencias en la preparación y el teñido del tejido y los métodos de escaneo pueden afectar el rendimiento del modelo.

Barreras Regulatorias y Legales

El uso de IA en la patología debe cumplir con rigurosos estándares regulatorios. Los modelos deben ser validados para garantizar su seguridad, precisión y fiabilidad en diversas poblaciones y escenarios. Al momento, no todas las regulaciones han sido establecidas. Por ejemplo, ¿quién es legalmente responsable en casos de diagnósticos erróneos? ¿el desarrollador del programa, el proveedor de atención médica o la institución? Los pacientes, ¿debe estar informados y consentir que en su diagnóstico sea utilizada la IA? Protocolos para la firma de casos remotamente y el rembolso son otros aspectos que no están estandarizados.

 Integración Operacional

Las herramientas de IA deben integrarse perfectamente en los sistemas de información de laboratorio (LIS) y los flujos de trabajo existentes. Muchos laboratorios de patología aún no están equipados para la patología digital. La transición a la patología digital implica altos costos iniciales para escáneres, almacenamiento de datos e infraestructura informática. Los patólogos requieren formación y tiempo para adaptarse a los flujos de trabajo asistidos por IA, lo que puede generar resistencia debido al escepticismo o la falta de familiaridad. Patología depende en gran parte de técnicos de laboratorio, los cuales no han sido capacitados durante sus adiestramientos para flujos de trabajo digitales.

Privacidad y Seguridad de los Datos

Las imágenes digitalizadas de patología son parte de los registros médicos de los pacientes y contienen información sensible. Es crucial garantizar la privacidad, confidencialidad y almacenamiento seguro de imágenes. Además, compartir datos entre instituciones para entrenamiento o validación debe cumplir con las regulaciones de protección de datos (como HIPAA)

Consideraciones Éticas

La IA en patología plantea preguntas éticas relacionadas a la equidad, beneficiando solo a las instituciones de alto recurso, dejando atrás a las de bajo recurso. El desplazamiento de empleo es otra consideración, aunque la IA está destinada a asistir a los patólogos, persisten las preocupaciones sobre la automatización reemplazando la experiencia humana.

Conclusión

El uso de la IA tiene el potencial de transformar la especialidad al mejorar la precisión, la eficiencia y la accesibilidad del diagnóstico médico. Sin embargo, es fundamental abordar los desafíos relacionados con la calidad de los datos, la transparencia de los modelos y la integración clínica para que la IA sea una herramienta eficaz y confiable. Con una implementación adecuada, la IA puede ser un valioso aliado de los patólogos, mejorando la atención al paciente y llevando la medicina diagnóstica a nuevos niveles de precisión. Actualmente en patología nueve plataformas digitales están aprobadas por la FDA

Plataforma / Sistema	Tipo de autorización FDA	Año
Philips IntelliSite Pathology Solution	De novo (2017); múltiples 510(k)	2017
Leica Aperio AT2 DX	510(k) K190332	2019
Leica Aperio GT 450 DX	510(k) K232202	2024
Hamamatsu NanoZoomer S360MD Scanner	510(k)	2022
Roche Digital Pathology Dx (VENTANA)	510(k)	2024
Indica Labs HALO AP Dx (con NanoZoomer)	510(k)	2024
Sectra Digital Pathology Module v3.3	510(k) (imagen + software)	2024
Proscia Concentriq AP‑Dx	510(k) software para diagnóstico	2024
PathPresenter Clinical Viewer	510(k) para diagnóstico primario	2025