Estudios recientes han demostrado la capacidad de los sistemas de inteligencia artificial en el diagnóstico médico de enfermedades importantes.
Sistemas de inteligencia artificial (IA) existen desde hace bastante tiempo y ahora se están volviendo más inteligentes y mejores con el tiempo. AI tiene aplicaciones en múltiples áreas y ahora es una parte integral de la mayoría de los campos. La IA puede ser un componente esencial y útil de servicios ciencia e investigación, ya que tiene un inmenso potencial para impactar en la industria de la salud.
¿Inteligencia artificial en el diagnóstico médico?
El tiempo es el recurso más valioso en la atención sanitaria y el diagnóstico temprano y adecuado es muy importante para el resultado final de una enfermedad. La atención sanitaria es a menudo un proceso largo y que consume tiempo y recursos, lo que retrasa el diagnóstico eficaz y, a su vez, retrasa el tratamiento correcto. AI puede ayudar a llenar el vacío entre disponibilidad y gestión del tiempo por parte de los médicos incorporando velocidad y precisión en el diagnóstico de los pacientes. Podría ayudar a superar las limitaciones de recursos y profesionales de la salud, especialmente en países de ingresos bajos y medios. La IA es un proceso de aprendizaje y pensamiento como los seres humanos. a través de un concepto llamado aprendizaje profundo. El aprendizaje profundo utiliza amplios conjuntos de datos de muestra para crear árboles de decisión por sí solo. Con este aprendizaje profundo, un sistema de IA puede realmente pensar igual que los humanos, si no mejor, y por lo tanto se podría considerar que la IA es apta para llevar a cabo tareas médicas. Al diagnosticar pacientes, los sistemas de inteligencia artificial siguen buscando patrones entre pacientes con las mismas enfermedades. Con el tiempo, estos patrones pueden sentar las bases para predecir enfermedades antes de que se manifiesten.
En un estudio reciente1 publicado en Celular, los investigadores han utilizado artificial técnicas de inteligencia y aprendizaje automático para desarrollar una nueva herramienta computacional para detectar pacientes con enfermedades retinianas comunes pero cegadoras, lo que potencialmente acelera los diagnósticos y el tratamiento. Los investigadores utilizaron una red neuronal basada en inteligencia artificial para revisar más de 200,000 exploraciones oculares realizadas con una tecnología no invasiva que hace rebotar la luz en la retina para crear representaciones de tejido en 2D y 3D. Luego emplearon una técnica llamada "aprendizaje por transferencia" en la que el conocimiento adquirido al resolver un problema se almacena en una computadora y se aplica a problemas diferentes pero relacionados. Por ejemplo, una red neuronal de IA optimizada para reconocer las estructuras anatómicas discretas del ojo, como la retina, la córnea o el nervio óptico, puede identificarlas y evaluarlas de manera más rápida y eficiente cuando examina imágenes de un ojo completo. Este proceso permite que el sistema de inteligencia artificial aprenda gradualmente con un conjunto de datos mucho más pequeño que los métodos tradicionales que requieren grandes conjuntos de datos, lo que los hace costosos y lentos.
El estudio se centró en dos causas comunes de ceguera irreversible que son tratables cuando se detectan a tiempo. Los diagnósticos derivados de máquinas se compararon con los diagnósticos de cinco oftalmólogos que revisaron las mismas exploraciones. Además de realizar un diagnóstico médico, la plataforma de IA también generó una derivación y una recomendación de tratamiento que no se había realizado en ningún estudio anterior. Este sistema de IA entrenado actuó como un oftalmólogo bien capacitado y pudo generar una decisión en 30 segundos sobre si el paciente debía ser remitido o no para tratamiento, con más del 95 por ciento de precisión. También probaron la herramienta de inteligencia artificial para diagnosticar la neumonía infantil, una de las principales causas de muerte en niños menores de cinco años en todo el mundo, basándose en análisis mecánicos de radiografías de tórax. Curiosamente, el programa informático pudo diferenciar entre viral y bacteriano neumonía con más del 90 por ciento de precisión. Esto es crucial porque, aunque el cuerpo elimina naturalmente la neumonía viral después de su curso, la neumonía bacteriana, por otro lado, tiende a ser una amenaza para la salud más grave y requiere tratamiento inmediato con antibióticos.
En otro gran salto2 En los sistemas de inteligencia artificial para el diagnóstico médico, los científicos descubrieron que las fotografías tomadas de la retina de un individuo pueden analizarse mediante algoritmos de aprendizaje automático o software para predecir el riesgo cardíaco cardiovascular mediante la identificación de señales que son indicativas de una enfermedad cardíaca. Se demostró que el estado de los vasos sanguíneos del ojo que se captura en las fotografías predice con precisión la edad, el género, la etnia, la presión arterial, cualquier ataque cardíaco previo y los hábitos de fumar, y todos estos factores predicen colectivamente las enfermedades relacionadas con el corazón en un individuo.
El ojo como bloque de información
La idea de mirar las fotografías del ojo para diagnosticar la salud existe desde hace algún tiempo. Está bien establecido que la pared interior posterior de los ojos humanos tiene muchos vasos sanguíneos que reflejan la salud general del cuerpo. Al estudiar y analizar la apariencia de estos vasos sanguíneos con una cámara y un microscopio, se puede predecir una gran cantidad de información sobre la presión arterial, la edad, el fumador o no fumador, etc. de un individuo, y todos estos son indicadores importantes de la salud del corazón de un individuo. . La enfermedad cardiovascular (ECV) es la principal causa de muerte a nivel mundial y más personas mueren de ECV en comparación con cualquier otra enfermedad o afección. Esto es más frecuente en los países de ingresos bajos y medianos y es una enorme carga para la economía y la humanidad. El riesgo cardiovascular depende de una multitud de factores como los genes, la edad, la etnia, el sexo, en combinación con el ejercicio y la dieta. La mayoría de las enfermedades cardiovasculares se pueden prevenir abordando los riesgos conductuales como el consumo de tabaco, la obesidad, la inactividad física y una dieta poco saludable mediante cambios significativos en el estilo de vida para abordar los posibles riesgos.
Diagnóstico de salud mediante imágenes de retina
Este estudio realizado por investigadores de Google y su propia compañía de tecnología de la salud Verily Life Sciences, mostró que se utilizó un algoritmo de Inteligencia Artificial en un gran conjunto de datos de fotografías de retina de alrededor de 280,000 pacientes y este algoritmo pudo predecir con éxito los factores de riesgo cardíaco en dos completamente conjuntos de datos independientes de alrededor de 12000 y 1000 pacientes con una precisión razonablemente buena. El algoritmo utilizó una fotografía completa de la retina para cuantificar la asociación entre la imagen y el riesgo de ataque cardíaco. Este algoritmo podría predecir un evento cardiovascular el 70 por ciento de las veces en un paciente y, de hecho, un fumador y un no fumador también se distinguieron en esta prueba el 71 por ciento de las veces. El algoritmo también podría predecir la presión arterial alta que indica una afección cardíaca y predecir la presión arterial sistólica, la presión en los vasos cuando el corazón late, dentro de un rango de la mayoría de los pacientes con o sin presión arterial alta. La precisión de esta predicción, según los autores, es muy similar a un chequeo cardiovascular en el laboratorio, donde se extrae sangre del paciente para medir los niveles de colesterol en paralelo con el historial del paciente. El algoritmo de este estudio, publicado en Naturaleza Ingeniería Biomédica, también podría predecir con mayor probabilidad la ocurrencia de un evento cardiovascular importante, por ejemplo, un ataque cardíaco.
Un aspecto extremadamente interesante y crucial de estos estudios fue que la computadora puede decir dónde está mirando en una imagen para llegar a un diagnóstico, lo que nos permite comprender el proceso de predicción. Por ejemplo, el estudio de Google mostró exactamente "qué partes de la retina" contribuyeron al algoritmo de predicción, en otras palabras, cómo el algoritmo estaba haciendo la predicción. Esta comprensión es importante no solo para comprender el método de aprendizaje automático en este caso en particular, sino también para generar confianza y fe en toda esta metodología haciéndola transparente.
Desafíos
Estas imágenes médicas tienen sus desafíos porque observar y luego cuantificar asociaciones basadas en tales imágenes no es sencillo debido principalmente a varias características, colores, valores, formas, etc. en estas imágenes. Este estudio utiliza el aprendizaje profundo para establecer las conexiones, asociaciones y relaciones entre los cambios en la anatomía humana (morfología interna del cuerpo) y la enfermedad de la misma manera que lo haría un profesional de la salud cuando correlaciona los síntomas de un paciente con una enfermedad. . Estos algoritmos requieren más pruebas antes de que puedan usarse en un entorno clínico.
A pesar de las discusiones y los desafíos, la IA tiene un enorme potencial para revolucionar el diagnóstico y el manejo de enfermedades al realizar análisis y clasificaciones que involucran inmensas cantidades de datos que son difíciles para los expertos humanos. Proporciona herramientas de diagnóstico alternativas rápidas, rentables y no invasivas basadas en imágenes. Los factores importantes para el éxito de los sistemas de IA serían un mayor poder computacional y una mayor experiencia de la gente. En un futuro probable, se podrían lograr nuevos conocimientos y diagnósticos médicos con IA sin dirección o supervisión humana.
***
Fuentes)
1. Kermany DS y col. 2018. Identificación de diagnósticos médicos y enfermedades tratables mediante aprendizaje profundo basado en imágenes. Celda. 172 (5). https://doi.org/10.1016/j.cell.2018.02.010
2. Poplin R et al. 2018. Predicción de factores de riesgo cardiovascular a partir de fotografías del fondo de ojo de la retina mediante aprendizaje profundo. Ingeniería Biomédica de la Naturaleza. 2. https://doi.org/10.1038/s41551-018-0195-0
***
