Machine learning en tratamientos médicos

Tigo Panamá | 15 de julio, 2021

Machine learning en tratamientos médicos

Comparte

En esta oportunidad, traemos ejemplos de Machine learning en tratamientos médicos. ¿Por qué es importante revisar este tema? Porque cada vez, son más utilizados en la práctica médica. Igualmente, porque los diagnósticos son más precisos. En consecuencia, se ahorra tiempo y se dan alternativas.

Aunque, predecir enfermedades y buscar tratamientos se hace desde hace años con IA se facilita el proceso. Por ejemplo, se logran diagnósticos médicos más certeros y se predicen enfermedades futuras en pacientes. Sin duda, esta tecnología está logrando superar la barrera de lo imposible.

¡Imagínelo! adelantarse y sugerirle tratamientos a las personas evitando que enfermen de gravedad.

¿Qué hay detrás de machine learning? Un concepto simple: se basa en modelos de automatización que aprenden a partir del uso de la información disponible a lo largo del tiempo. Por tanto, hay menos intervención humana y aumenta la mejora propia del sistema a lo largo de su vida útil. Algo así como una espiral de aprendizaje constante. A mayor cantidad de datos (ejemplos) mejores predicciones.

Un ejemplo muy comentado es la detección de cánceres. Aquí la clave es tener muchas muestras documentales de pacientes. Por ello, los centros médicos y universidades comparten información para alimentar a las computadoras. Gracias a la red, en segundos, un caso de un continente puede ser evaluado por una IA en otro. A su vez, este programa guarda la información para futuros diagnósticos. Algo que los médicos, la mente humana, no puede hacer. ¡He aquí un uso de datos realmente valioso!

«El machine learning es la vía de transformación principal que nos está llevando a repensar todo lo que hacemos.»

―Sundai Pichai
CEO Google

Primero, porque es una alternativa que sigue tomando fuerza sobre todo a raíz de la crisis sanitaria mundial. Segundo porque aprende identificando patrones.

«Imagen @Pixabay

Machine learning en tratamientos médicos

Muchos son los avances que se han dado. Pero, aún los programas de machine learning no son perfectos. Podríamos decir que los ordenadores siguen siendo poco inteligentes. Por ello, necesitan muchos ejemplos y repetirlos numerosas veces para obtener resultados más exactos. Lo que si es cierto, es que superan a los humanos.

Pareciera que Machine Learning imita el comportamiento humano que implica observar, experimentar, guardar experiencias en nuestro cerebro y con esa información acumulada en el tiempo y con muchas repeticiones procuramos predecir lo que pasaría. Así es cómo un humano toma decisiones ante eventos del día a día.

Hace algún tiempo, en un estudio se evaluaba el cerebro (Alzheimer) de pacientes. Al evaluar imágenes radiográficas un algoritmo tuvo una eficacia 81% y los doctores especialistas no llegaron al 75% en aciertos. ¿Por qué? Precisamente, porque el ojo humano es imperfecto y no percibe detalles que algoritmos que buscan patrones si encuentran.

«Siempre y cuando exista una gran cantidad de ejemplos (datos válidos) podrá comparar, detectar y predecir.

PROGRAMA DE APRENDIZAJE AUTOMÁTICO

También, se utiliza machine learning en la búsqueda médica de una solución para la crisis sanitaria mundial.

Patrones y biomarcadores en imágenes

Machine learning en diagnósticos médicos brinda esperanzas para las mujeres. Por ello, se adelanta en el diagnóstico futuro de enfermedades que parecen sentenciar a los enfermos. Tal vez, cambiará el concepto de la medicina preventiva.

Otro ejemplo, viene de la búsqueda de diagnósticos y predicciones del cáncer del mama. Un estudio de investigadores del Hospital General de Massachusetts (MGH) dio como resultado un modelo de machine learning que identifica biomarcadores de imágenes en mamografías. En otras palabras, es posible detectar patrones comunes en las mujeres que desarrollan cáncer de mama, dentro del plazo de los cinco años posteriores a la mamografía.

Según dice la autora principal del estudio, Constance D. Lehman, M.D., Ph.D., jefa de división de imágenes de mama en MGH. «La mamografía de cada mujer es única para ella al igual que su huella digital. Contiene biomarcadores de imágenes que son altamente predictivos del riesgo futuro de cáncer, pero hasta que no tuvimos las herramientas de aprendizaje profundo, no fué posible extraer esta información para mejorar la atención al paciente.»

Aún falta mucho por desarrollar y aprender en temas médicos pero, la alternativa de machine learning abre posibilidades para investigar con otras enfermedades. Recordemos que trabaja con patrones y algo que saben los médicos es que las enfermedades tienen patrones y síntomas similares.

¿En qué nos beneficia saber esto a nivel de negocios? En mucho, la salud es un valor preciado. Tal como ha mostrado la crisis sanitaria actual, sin salud no hay crecimiento económico ni social. Y, todo lo que aporte a mejorar la calidad de vida es importante.

¿Sigue tan asombrado cómo nosostros? En ese caso, le sugerimos leer dos artículos clave:

Diagnóstico médico con inteligencia artificial

Inteligencia artificial y salud mundial

Comparte

Comentarios