Tabla de contenido:
- Diagnóstico de la degeneración macular, la retinopatía diabética
- Tratamiento de pacientes donde los especialistas son escasos
- Hacer que los médicos confíen en las computadoras
- Otros usos de la tecnología artificial
27 de febrero de 2018
El potencial la inteligencia artificial (IA) para diagnosticar y tratar problemas de salud continúa ganando impulso, ya que un nuevo estudio muestra cómo la tecnología puede acelerar el diagnóstico y el tratamiento de enfermedades oculares.
Documento publicado el 22 de febrero en la revista Cell describe cómo la IA se puede aplicar a pacientes con enfermedades de la retina. La investigación, dirigida por Kang Zhang, MD, PhD, profesor de oftalmología en el Shiley Eye Institute en la Universidad de California en San Diego, demuestra que una computadora podría aprender a reconocer de manera precisa y fiable enfermedades oculares comunes como la degeneración macular y la retinopatía diabética.
"Se trata de tratar de enseñarle a una computadora qué es una imagen y cómo tomar una decisión sobre lo que está viendo", explica el Dr. Zhang. "El objetivo es que la computadora sea tan buena como el especialista que asistió a la facultad de medicina y está altamente capacitado en diagnóstico y tratamiento médico".
Aunque puede llevar un especialista décadas de experiencia práctica para alcanzar los niveles más altos de experiencia , agrega, "estamos viendo que una computadora puede reconocer estas cosas después de unos días".
El documento sigue otros estudios recientes que muestran que las computadoras de aprendizaje profundo pueden tener un lugar legítimo en la atención médica, dice Rahul Khurana, MD, un oftalmólogo en Mountain View, California, y un portavoz clínico de la Academia Estadounidense de Oftalmología.
"Este tipo de tecnología es muy precisa para pacientes con ciertos tipos de afecciones", dice el Dr. Khurana. "Eso está creando cierta emoción en el campo".
Diagnóstico de la degeneración macular, la retinopatía diabética
En el nuevo artículo, Zhang y sus colegas en China, Alemania y Texas alimentaron por primera vez las imágenes de los trastornos oculares en la computadora. Las imágenes se tomaron con una técnica de imagen conocida como tomografía de coherencia óptica. Esta nueva y revolucionaria tecnología de diagnóstico utiliza ondas de luz para tomar imágenes de alta resolución y sección transversal del ojo para brindarles a los médicos una forma de mapear y medir la retina en detalle.
Las exploraciones se usan para detectar afecciones comunes como la macular degeneración, en la cual una parte de la retina llamada la mácula se deteriora, y retinopatía diabética, una complicación de la diabetes que hace que los vasos sanguíneos en la retina se hinchen y pierdan líquido. Ambas son condiciones peligrosas que pueden causar ceguera si no son diagnosticadas y tratadas con prontitud.
Los enfoques computacionales actuales requieren millones de imágenes para entrenar una computadora. La investigación de Zhang utilizó una "red neuronal convolucional" basada en la IA que requirió un conjunto de datos mucho más pequeño de solo 200,000 escaneos de imágenes de coherencia óptica.
"La computadora está aprendiendo el mapa normal del ojo", dice Zhang. "Le damos una variedad de imágenes para aprender y memorizar. Enseñamos, por ejemplo, "si este lugar está aquí, va a ser una degeneración macular". La belleza de esto es que en lugar de que la computadora aprenda por sí misma, podemos decirles qué buscar. Se trata de diseñar un programa informático para que las computadoras piensen como un ser humano ".
El equipo pudo generar una decisión sobre si un paciente debería ser referido para recibir tratamiento en 30 segundos y con un 95% de precisión.
El estudio demuestra que las redes neuronales pueden ayudar a los médicos y quizás incluso superarlos con la capacidad de recordar tanta información. Dicha tecnología tendrá usos en todo el mundo, predice Zhang. En países ricos en recursos como los Estados Unidos, puede acelerar el tiempo crítico entre los signos de enfermedad y tratamiento.
"Un paciente con posible degeneración macular puede necesitar tratamiento dentro de un mes, pero las referencias y las citas pueden terminar tomando varios meses. Eso puede retrasar el diagnóstico y el tratamiento ", dice.
Tratamiento de pacientes donde los especialistas son escasos
En áreas con pocos recursos, la tecnología puede ayudar a pacientes que de otra manera no recibirían atención debido a la escasez de médicos. Zhang y sus colegas llevarán su red neuronal a Haití este verano para evaluar su utilidad. La región tiene una gran población de personas con diabetes que están en riesgo de retinopatía, pero tiene menos de 60 oftalmólogos.
"La capacidad de hacer esto, con suerte, permitirá que más pacientes accedan al sistema de salud porque podemos diagnosticar condiciones anteriores ", dice Khurana, señalando que hay aproximadamente 415,000 personas que viven con diabetes en todo el mundo que están en riesgo de retinopatía diabética. "Cada vez que tenemos una tecnología nueva y mejorada que nos permite diagnosticar más rápido, mejor y hacer que la atención sea más accesible para la población en general, es beneficioso para los pacientes y los médicos".
Hacer que los médicos confíen en las computadoras
Siguen los desafíos en la implementación de redes basadas en inteligencia artificial en la atención médica, señala Zhang. Los médicos tienen que confiar en sus asistentes de computadora. En el estudio, Zhang y sus colegas también le pidieron a la computadora que explicara su diagnóstico, identificando las regiones del ojo que fueron reconocidas y fueron la base de la conclusión de la máquina.
"La computadora no solo escupió un diagnóstico. Explica por qué hizo el diagnóstico y la recomendación que hizo ", dice. "Eso hace que esto sea más transparente y ayuda al médico a confiar más en la computadora". De esta forma, esto no es solo una caja negra, y no tienes idea de por qué da los diagnósticos que hace ".
Otros usos de la tecnología artificial
Las redes basadas en inteligencia artificial tienen un gran potencial en las imágenes médicas. Zhang también mostró que el sistema podría distinguir entre neumonía viral y bacteriana en niños mediante el examen de rayos X. Mientras que la neumonía viral puede no requerir tratamiento, un paciente con neumonía bacteriana requiere un tratamiento antibiótico rápido para prevenir complicaciones graves de la enfermedad.
"Estamos viendo una variedad de campos médicos donde la inteligencia artificial se usa cada vez más", Khurana dice. "Creo que es un momento muy emocionante para el campo de la inteligencia artificial y sus aplicaciones en la medicina".
