Si alguna vez te has sometido a una tomografía por emisión de positrones (PET), sabrás que es una experiencia complicada. Estas tomografías ayudan a los médicos a detectar el cáncer y a rastrear su dispersión, pero el procedimiento en sí es una pesadilla logística para los pacientes.
Problemática actual de las PET
Actualmente, someterse a una PET implica un proceso tedioso y poco práctico. Los pacientes deben ayunar entre cuatro y seis horas antes de acudir al hospital y, si viven en zonas rurales donde no hay scanners PET, el acceso se vuelve aún más complicado. En el hospital, se inyecta material radioactivo al paciente, quien debe esperar una hora para que se distribuya por el cuerpo. A continuación, el paciente pasa 30 minutos en el scanner PET intentando permanecer inmóvil. Tras el procedimiento, debe evitar el contacto cercano con ancianos, jóvenes y mujeres embarazadas durante hasta 12 horas debido a la radioactividad residual. Además, los scanners PET están, en su mayoría, localizados en grandes ciudades ya que los trazadores radioactivos deben producirse en ciclotrones cercanos y utilizarse en pocas horas, lo que limita su acceso en hospitales regionales y rurales.
Innovación de RADiCAIT
RADiCAIT, una empresa emergente surgida de la Universidad de Oxford y actualmente con sede en Boston, propone una solución innovadora. Han desarrollado un modelo basado en inteligencia artificial (IA) capaz de convertir tomografías computarizadas (TC), mucho más accesibles y económicas, en PET. Esta tecnología ha sido posible gracias a un modelo generativo de red neuronal profunda inventado en 2021 por el equipo dirigido por Regent Lee, cofundador y director de información médica de la startup. El modelo aprende comparando tomografías CT y PET, identificando patrones clave que son clínicamente importantes, lo que podría eventualmente hacer obsoletas las tomografías PET convencionales para diagnóstico, etapificación y seguimiento.
Avances y próximos pasos
RADiCAIT ha comenzado pilots clínicos específicamente para pruebas de cáncer de pulmón con sistemas de salud importantes como Mass General Brigham y UCSF Health. Ahora buscan llevar a cabo un ensayo clínico ante la FDA, lo que impulsó su reciente ronda de financiación de 5 millones de dólares. Su éxito podría traducirse en pilotos comerciales y demostrar la viabilidad comercial del producto.
Consejos para emprendedores y negocios en sectores relacionados
- Innovación enfocada al usuario: Entiende las dificultades y limitaciones que enfrentan tus usuarios o clientes y dirige tus esfuerzos de innovación para resolver esos problemas específicos.
- Colaboración estratégica: Busca colaboraciones con instituciones y sistemas de salud que pueden beneficiarse y proporcionar validación clínica a tus productos.
- Financiación efectiva: Aprovecha las rondas de financiación para impulsar pruebas clínicas que son esenciales para la validación de tecnologías emergentes en el campo de la salud.
- Exploración de nuevas aplicaciones: Considera cómo tu tecnología podría adaptarse o expandirse a otros casos de uso médico o incluso a otros campos científicos.
Conclusiones
El enfoque de RADiCAIT destaca la importancia de adaptar tecnologías existentes para superar barreras de accesibilidad y coste en el campo médico. Este ejemplo subraya el potencial de la IA para revolucionar diagnósticos y tratamientos, ofreciendo alternativas menos invasivas y más accesibles para pacientes en todo el mundo, especialmente en áreas desatendidas. Su progreso y expansiones futuras en otras áreas de la radiología podrían marcar un antes y un después en la forma en que entendemos y utilizamos la imagen médica.