Un nou studiu arată că modelele de inteligență artificială folosite în neuroimagistică performează semnificativ mai bine atunci când sunt antrenate cu date provenite din sistemele de sănătate reale, colectate în rutina clinică, față de seturile de date curate, standardizate, utilizate tradițional în cercetare. Această concluzie schimbă perspectiva asupra modului în care ar trebui construite și validate astfel de modele înainte de implementarea clinică.
Datele din spitale și policlinici sunt, prin natura lor, eterogene: scanări realizate pe aparate diferite, cu protocoale variabile, pe pacienți cu patologii asociate și cu note clinice incomplete. Tocmai această variabilitate, considerată multă vreme un dezavantaj, se dovedește a fi un avantaj în antrenarea modelelor AI — pentru că reproduce fidel condițiile reale în care modelul va fi folosit ulterior.
Pentru radiologi și neurologi, implicația practică este importantă: un model AI antrenat exclusiv pe date de studiu, perfecte și bine etichetate, poate eșua surprinzător în spitalul obișnuit. Integrarea datelor de rutină în procesul de antrenare și validare nu este o concesie față de rigoarea științifică — este o condiție a utilității clinice reale.
Cercetătorii subliniază că accesul la datele din sistemele de sănătate trebuie însoțit de protocoale clare de protecție a datelor pacienților și de standarde de interoperabilitate. Pe termen lung, colaborările între spitale pentru partajarea datelor anonimizate ar putea deveni fundamentul pe care se construiesc modelele AI cu adevărat utile în practica neurologică zilnică.
