La generació automàtica d'informes radiològics amb IA avança de pressa per alleujar l'escassetat de radiòlegs que pateixen molts sistemes de salut, però fins ara els models que redacten aquests informes funcionaven com una caixa negra: no permetien triar quin equilibri volien entre detectar tots els casos possibles (sensibilitat) i no generar falses alarmes (especificitat), una decisió que en la pràctica clínica canvia molt segons el context -un triatge d'urgències no es pot permetre deixar-se cap cas, mentre que una confirmació diagnòstica ha d'evitar sobretractar pacients sans.
En un article penjat a arXiv l'11 d'agost, els investigadors Ying Jin, Noel C. F. Codella, John Corring, Mu Wei, Dinei Florencio i Eric Horvitz, de Microsoft Research, presenten RadFusion, un sistema que fusiona tres components: un classificador multietiqueta que dona una puntuació de confiança per a cada possible malaltia, un generador basat en preguntes i respostes visuals que descriu amb detall les troballes mèdiques de la imatge, i un model de llenguatge que reescriu l'informe final adaptant-lo al llindar de decisió que l'usuari hagi triat. Segons els autors, aquest disseny permet augmentar la sensibilitat un 6,9% mantenint la mateixa especificitat, o augmentar l'especificitat un 20,7% mantenint la mateixa sensibilitat, i els informes generats reprodueixen fidelment la corba de rendiment ja validada del classificador de base.
És un exemple concret de com la recerca en IA aplicada a la medicina comença a preocupar-se no només per la precisió mitjana d'un sistema, sinó per donar als professionals sanitaris el control fi que necessiten en la pràctica real, en lloc d'oferir-los una única resposta de compromís que no s'ajusta bé a cap escenari clínic concret. Eric Horvitz, un dels autors i científic en cap de Microsoft, porta anys investigant com fer que la IA mèdica sigui més útil i transparent per als metges que l'han d'utilitzar.
És un preprint encara sense revisió per parells, avaluat pels mateixos autors que l'han desenvolupat, i els resultats es basen en conjunts de dades de referència, no encara en un desplegament clínic real amb radiòlegs treballant-hi cada dia. Caldrà veure si el mètode es manté igual de fiable quan s'apliqui a la varietat de casos que apareixen en la pràctica hospitalària quotidiana.