MADRID 28 Feb. (EUROPA PRESS) -
Un nuevo trabajo de investigadores canadienses, y publicado en 'Radiology,' una revista de la Sociedad Radiológica de Norteamérica (RSNA), advierte de que es esencial considerar el impacto ambiental de las herramientas de IA. Según este trabajo, la atención médica y las imágenes médicas contribuyen significativamente a las emisiones de gases de efecto invernadero (GEI) que alimentan el cambio climático global.
En este sentido, las herramientas de IA pueden mejorar tanto la práctica como la sostenibilidad en Radiología a través de protocolos de imágenes optimizados que dan como resultado tiempos de exploración más cortos, una mayor eficiencia de programación para reducir los viajes de los pacientes y la integración de herramientas de apoyo a las decisiones para reducir las imágenes de bajo valor.
Sin embargo, la utilización de la IA tiene una desventaja. Y es que si bien se sabe que las imágenes médicas generan muchas emisiones de gases de efecto invernadero, a veces se olvida el impacto ambiental del almacenamiento de datos y las herramientas de inteligencia artificial asociados.
En esta idea hace hincapié Kate Hanneman, vicepresidenta de investigación y profesora asociada de la Universidad de Toronto y subdirectora de sostenibilidad del Departamento Conjunto de Imágenes Médicas del Hospital General de Toronto (Canadá). "El desarrollo y la implementación de modelos de IA consumen grandes cantidades de energía, y las necesidades de almacenamiento de datos en imágenes médicas e IA están creciendo exponencialmente".
Bajo esta premisa, un equipo de investigadores analizaron los beneficios y desventajas de incorporar herramientas de IA en radiología. La IA ofrece el potencial de mejorar los flujos de trabajo, acelerar la adquisición de imágenes, reducir costos y mejorar la experiencia del paciente. Sin embargo, la energía necesaria para desarrollar herramientas de IA y almacenar los datos asociados contribuye significativamente a los GEI. Cabe tener en cuenta que el desarrollo de modelos de IA requiere grandes cantidades de datos de capacitación que las instituciones de atención médica deben almacenar junto con los miles de millones de imágenes médicas generadas anualmente. Muchos sistemas de salud utilizan almacenamiento en la nube, lo que significa que los datos se almacenan fuera del sitio y se accede a ellos electrónicamente cuando es necesario.
La ubicación de un centro de datos tiene un impacto enorme en su sostenibilidad, especialmente si se encuentra en un clima más fresco o en un área donde hay fuentes de energía renovables disponibles.
Para minimizar el impacto ambiental general del almacenamiento de datos, los investigadores recomendaron compartir recursos y, cuando sea posible, colaborar con otros proveedores y socios para distribuir la energía gastada de manera más amplia.
Para reducir las emisiones de GEI procedentes del almacenamiento de datos y del proceso de desarrollo del modelo de IA, los investigadores también ofrecieron otras sugerencias. Estos incluyeron la exploración de algoritmos de IA computacionalmente eficientes, la selección de hardware que requiera menos energía, el uso de técnicas de compresión de datos, la eliminación de datos redundantes, la implementación de sistemas de almacenamiento por niveles y la asociación con proveedores que utilizan energía renovable.
De esta forma, el trabajo concluye que los costos ambientales deben considerarse junto con los costos financieros en atención médica e imágenes médicas. En este sentido, la IA puede ayudarnos a mejorar la sostenibilidad si aplicamos las herramientas con prudencia. Sólo tenemos que ser conscientes del uso de energía y de las emisiones de GEI.
