Sesgos visuales distintos afectan a humanos e inteligencia artificial en diagnósticos de imágenes médicas

Área de la Ciencia:

• Análisis de imágenes médicas
• Inteligencia artificial en la atención médica
• Radiología y diagnóstico por imágenes

Sus antecedentes:

• Los sistemas de inteligencia artificial (IA) se destacan en la identificación de características sutiles en imágenes de diagnóstico, superando potencialmente a los radiólogos humanos.
• Estas capacidades de la IA pueden facilitar la detección temprana de enfermedades y la caracterización no invasiva de lesiones.

Objetivo del estudio:

• Explorar las diferentes formas en que los radiólogos y la IA perciben los detalles en las imágenes médicas.
• Comprender las implicaciones de estas diferencias perceptivas para la toma de decisiones médicas.
• Destacar los riesgos asociados con la IA, incluido el sesgo y la falta de razonamiento causal.

Principales métodos:

• Análisis comparativo de los procesos de interpretación de imágenes de IA y radiólogos.
• Exploración de la dependencia de la IA de las correlaciones frente a la causalidad.
• Examen de posibles sesgos demográficos y técnicos en los algoritmos de IA.
• Discusión de los desafíos de interpretabilidad en el razonamiento de la IA.

Principales resultados:

• Los sistemas de IA detectan características de imagen sutiles y de orden superior que los radiólogos podrían pasar por alto.
• La dependencia de la IA de las correlaciones, los sesgos y el razonamiento no interpretable plantean riesgos.
• Existen diferencias significativas en cómo la IA y los radiólogos aprenden a interpretar imágenes médicas.

Conclusiones:

• La IA ofrece beneficios potenciales para la detección temprana de enfermedades y la fenotipificación, pero requiere una validación cuidadosa.
• Comprender los distintos mecanismos perceptivos de la IA y los radiólogos es crucial para una integración segura.
• Abordar los sesgos de la IA y garantizar la interpretabilidad son desafíos clave para la adopción clínica en imágenes médicas.