Introducción 

La inteligencia artificial (IA) es una herramienta tecnológica que se ha ido incorporado de forma progresiva a la medicina, incluido el campo de la gastroenterología y la hepatología. En estas especialidades que dependen en gran parte del estudio de imágenes, la IA tiene numerosas aplicaciones clínicas y el potencial para cambiar la atención del paciente y el flujo de trabajo clínico. La IA es un concepto amplio que abarca el aprendizaje automático, basado en amplias bases de datos, y el aprendizaje profundo. El primero tiene como objetivo la identificación de patrones en datos complejos, como por ejemplo la metaplasia intestinal gástrica, y el segundo es una rama del aprendizaje automático que se basa en redes neuronales artificiales y utiliza de forma autónoma la entrada de datos para aprender, identificar y aprovechar los factores predictivos de un resultado. 

El objetivo de esta revisión fue describir las aplicaciones clínicas de la IA en el campo de la gastroenterología y la hepatología, así como las limitaciones actuales, las lagunas de conocimiento y las direcciones futuras en este campo.

Tracto gastrointestinal superior 

El diagnóstico de afecciones del tracto gastrointestinal superior es un desafío clínico con los métodos y pruebas convencionales. Diversos estudios indican que la IA es útil para la detección de lesiones premalignas y malignas en este sitio anatómico, incluida la identificación de la displasia y neoplasia temprana en el esófago de Barrett (EB), el carcinoma de células escamosas (CCE) de esófago y el cáncer gástrico (CG). En el EB, puede diferenciar imágenes normales y displásicas/neoplásicas, e identificar el sitio óptimo para la biopsia y el adenocarcinoma de esófago temprano. Se ha informado que la IA permite identificar con precisión y caracterizar el CCE de esófago y, además, predice la profundidad de la invasión. La precisión de la detección del CG temprano con la ayuda de IA oscila entre el 86.5% y el 98.7%, con una sensibilidad del 80% al 96.7% y una especificidad del 89.2% al 100%, y es superior a la de los endoscopistas expertos en esta tarea. Asimismo, se han desarrollado modelos de IA para predecir la metástasis en hígado y ganglios linfáticos e identificar la profundidad de la invasión que, según estudios, tienen mayor precisión que los endoscopistas. 

En lo referido a afecciones no malignas del tracto gastrointestinal superior, la IA detecta de forma precisa la infección por Helicobacter pylori, y ha demostrado ser útil para la estratificación del riesgo y el resultado de la hemorragia gastrointestinal.

Tracto gastrointestinal inferior

La colonoscopia es el método de referencia para la detección y la resección de lesiones premalignas y malignas colónicas. Sin embargo, la variabilidad inter e intraobservadores es pronunciada, lo que compromete la tasa de detección de adenomas y aumenta el riesgo de cáncer colorrectal no detectado. La IA se ha estudiado para ayudar al médico en el diagnóstico de lesiones malignas y premalignas del tracto gastrointestinal inferior. La detección asistida por computadora es una herramienta basada en IA que permite identificar y clasificar de forma morfológica los pólipos en el colon, con tasas de detección de adenomas más altas en comparación con los endoscopistas expertos. Además, ha demostrado ser útil para detectar el cáncer colorrectal y tiene potencial para determinar su profundidad o invasión y resultado clínico.

La IA se utiliza para el análisis de imágenes obtenidas mediante videocápsula endoscópica (método de diagnóstico actual de elección para evaluar el intestino delgado), lo que facilita la identificación de afecciones no malignas del tracto gastrointestinal inferior, incluida la hemorragia, las angioectasias, las úlceras y los pólipos en el intestino delgado, la enfermedad de Crohn y la enfermedad celíaca, y la detección de anquilostomas en el intestino delgado. Asimismo, se ha informado que permite identificar con precisión la enfermedad inflamatoria intestinal y la gravedad de la colitis ulcerosa, y podría predecir el riesgo de enfermedad inflamatoria intestinal y la respuesta al tratamiento con tiopurinas o productos biológicos.

Sistema hepatobiliar

Las enfermedades hepáticas son amplias y complejas. Las aplicaciones clínicas de la IA son numerosas en el campo de la hepatología, incluida la detección y clasificación de la lesión neoplásica hepatobiliar, la presencia de hipertensión portal y complicaciones asociadas en pacientes con cirrosis por todas las causas, la detección de esteatosis, fibrosis o cirrosis, el diagnóstico de la enfermedad de hígado graso y la distinción entre las causas de la enfermedad hepática, la medición de la respuesta al tratamiento en la esteatohepatitis no alcohólica, y la respuesta al trasplante hepático. Asimismo, se ha determinado que predice con precisión los resultados en pacientes con carcinoma hepatocelular, incluida la respuesta a la quimioembolización transarterial, la recurrencia o la supervivencia después de la resección, y la descompensación hepática en sujetos con colangitis esclerosante primaria. Por último, se han desarrollado modelos basado en IA que permiten la determinación del riesgo de lesión hepática inducida por fármacos durante el desarrollo de medicamentos, el riesgo de enfermedad hepática, la evaluación del deterioro cognitivo previo al trasplante hepático, la predicción de la fibrosis en presencia del virus de la hepatitis C o la detección de tumores hepáticos, y la rigidez hepática, entre otros.

Enfermedades pancreáticas

Los investigadores han diseñado modelos de IA que permiten el diagnóstico de diversas enfermedades pancreáticas, entre los cuales se destacan aquellos que permiten determinar la gravedad y el pronóstico en la pancreatitis aguda complicada o la pancreatitis crónica, la detección y diferenciación de neoplasias quísticas del páncreas con la predicción del potencial maligno, la detección precoz del adenocarcinoma ductal pancreático y la diferenciación entre el adenocarcinoma ductal pancreático y las afecciones pancreáticas benignas. Todos estos modelos han demostrado tener una precisión elevada. Los especialistas en hepatología concluyen que la IA puede desempeñar un papel complementario en la práctica, lo que permite tomar mejores decisiones clínicas; también, puede acortar la curva de aprendizaje de la ecografía endoscópica entre los alumnos y reducir la variabilidad entre observadores.

Limitaciones actuales, lagunas de conocimiento y direcciones futuras

A pesar de los resultados prometedores de los estudios que analizaron el potencial clínico de la IA en la gastroenterología y hepatología, estos presentan limitaciones y se justifican investigaciones adicionales. La mayoría de los trabajos al respecto fueron estudios de cohortes, y en algunos de estos se utilizaron modelos hechos a medida que no se explican en detalle. Además, la mayoría utilizaron imágenes fijas e imágenes de alta definición, lo que no concuerda con la "experiencia del mundo real" de configuraciones en tiempo real. En general, los modelos de IA actuales se basan en datos etiquetados, ajustan de forma específica a un conjunto de datos determinado y no están validados de forma externa. Se requieren protocolos específicos para elegir un modelo analítico y seleccionar o desarrollar técnicas de validación. Además, deben promoverse los algoritmos de IA con la mejor precisión.

La IA tiene un enorme potencial en la medicina y su aplicación clínica, siempre y cuando sea bien aprovechada, puede llevar la "medicina de precisión" a otro nivel y cambiar los paradigmas de atención. Esta debería disminuir la carga de trabajo de los médicos o, al menos, maximizar su productividad al permitirles la toma de decisiones clínicas más rápida y precisa. La educación de los médicos y los pacientes en las aplicaciones clínicas de la IA es de suma importancia.

Conclusiones

La IA no sustituye el razonamiento clínico humano y tiene numerosas aplicaciones clínicas prometedoras en la gastroenterología y la hepatología, desde la detección de lesiones neoplásicas en la evaluación endoscópica y la mejora de los modelos de supervivencia actuales hasta la predicción de la respuesta al tratamiento. Estas podrían traer aparejados grandes cambios en la práctica clínica y mejorar la calidad de la atención. Inicialmente, la IA podría usarse para respaldar a los médicos en el establecimiento de diagnósticos o la determinación de un plan de tratamiento. Dado su alto valor predictivo, si las sugerencias de la IA coinciden con el razonamiento del médico, estos podrían tomar la decisión clínica con más confianza. Si las respuestas son discrepantes, se debe llevar a cabo una investigación minuciosa. El futuro dirá cuál es el lugar la IA en la medicina.