El estudio fue realizado por investigadores del Departamento de Radiología del Hospital Universitario de Basilea (Basilea, Suiza) y ha demostrado que emplear una herramienta de aprendizaje profundo para identificar imágenes anteriores relevantes de los pacientes puede reducir los tiempos de interpretación de los radiólogos en aproximadamente un 40 %.
La herramienta llamada TimeLens demostró ser eficaz para identificar exámenes y resaltar hallazgos significativos de exámenes anteriores para que los radiólogos los examinen.
TimeLens se basa en procesamiento de lenguaje natural y algoritmos de coincidencia de imágenes basados en descriptores.
Los hallazgos sugieren que reducir el tiempo que dedican los radiólogos a buscar manualmente exámenes anteriores podría beneficiar enormemente tanto a los pacientes como a los proveedores de atención médica.
En este estudio, los investigadores evaluaron los tiempos y hábitos de lectura (clics, movimientos del ratón, etc.) de los radiólogos que utilizaron la herramienta en 3.872 series de 246 exámenes de radiología de 75 pacientes (189 TC, 95 RM). Con el uso de TimeLens, el tiempo promedio necesario para examinar un hallazgo en un momento dado, se redujo de 107 a 65 segundos, y las reducciones más significativas se observaron en las evaluaciones de nódulos pulmonares.
Dado que la herramienta identificó exámenes anteriores relevantes para los lectores, su uso también resultó en un 17 % menos de clics y una reducción del 38 % en el recorrido del mouse.
Otra observación notable fue que los radiólogos más jóvenes y menos experimentados fueron más rápidos al usar la herramienta en comparación con sus homólogos más experimentados. Los investigadores creen que esto se debe a que la generación más joven está más acostumbrada a la tecnología digital y, por lo tanto, se adapta a las nuevas tecnologías con facilidad.
Si bien es difícil determinar el impacto financiero exacto del ahorro de tiempo, por no tener que localizar imágenes anteriores, el equipo estimó, utilizando datos del sistema hospitalario ( NHS), que la herramienta de aprendizaje profundo utilizada podría haber ahorrado 1.145 días de tiempo de lectura.
Esta estimación se realizó en el sistema hospitalario del NHS en agosto del 2021, basado en 780.000 exámenes de imágenes transversales con un promedio de tres hallazgos por estudio que requerían comparación.
“La naturaleza intensiva en tiempo de esta evaluación longitudinal no solo es subóptima en el contexto de cargas de trabajo de radiología crecientes, sino que también puede resultar en una revisión limitada de exámenes previos relevantes, poniendo en riesgo la precisión interpretativa y la calidad del informe”, señaló Thomas Weikert, MD, autor correspondiente del Departamento de Radiología del Hospital Universitario de Basilea.