Algoritmos y Big Data: Como la inteligencia artificial innova la medicina

La primera conferencia de salud de Nueva Zelanda sobre inteligencia artificial se organizó para que el sistema de salud se “reorganizara”. La Dra. Marise Stuart, organizadora de la conferencia Hack Aotearoa, dijo que el sistema de salud de Nueva Zelanda necesitaba “mejorar su juego” en el uso de inteligencia artificial (AI). La conferencia de la
 
serman, laboratorio de recuperación de datos en españa

La primera conferencia de salud de Nueva Zelanda sobre inteligencia artificial se organizó para que el sistema de salud se “reorganizara”. La Dra. Marise Stuart, organizadora de la conferencia Hack Aotearoa, dijo que el sistema de salud de Nueva Zelanda necesitaba “mejorar su juego” en el uso de inteligencia artificial (AI). La conferencia de la semana pasada exploró cómo los datos predictivos, los algoritmos, las tecnologías inteligentes y la robótica podrían mejorar la salud de los neozelandeses.

Inteligencia artificial

“Hay una huelga de médicos jóvenes ahora y se puede prevenir mucho si se tiene una buena TI, porque los médicos menores pasan mucho tiempo escribiendo. Eso es solo un pequeño obstáculo en el sistema de salud en el que la IA podría tener un gran efecto “.

Durante más de dos días, los más de 200 asistentes escucharon ejemplos de oradores locales y extranjeros sobre cómo la IA podría ayudar a los médicos, así como sobre los riesgos relacionados con la recopilación y el uso de datos.

El profesor Eric Topol del Instituto Traslacional de Investigación Scripps, descrito como un gurú de la medicina digital, dijo que el lado humano de la tecnología nos estaba ayudando a entenderlo mejor que nunca.

“Todas estas capas de información, la fisiología de los sensores, la anatomía de las exploraciones, las diferentes capas biológicas del ADN, las proteínas, los metabolitos, los microbiomas, el epigenoma. Si podemos tener todas estas capas de información para cualquier persona, podríamos brindar una mejor atención y prevención “.

“Las computadoras que podían recopilar información de las exploraciones oculares cuando los humanos no podían era un buen ejemplo”, dijo Topol.

“Si le da a especialistas internacionales una fotografía de la retina y les pregunta ‘¿Es esto de un hombre o una mujer?’, La respuesta es 50-50. No pueden hacer nada mejor que eso. Para los algoritmos de aprendizaje profundo, la precisión es del 97 por ciento. Eso es bastante asombroso “.

Otro ejemplo fue la detección de una enfermedad ocular relacionada con la diabetes. La retinopatía diabética puede conducir a la ceguera y, a menudo, se diagnostica de forma insuficiente. Ahora se ha desarrollado un sistema de inteligencia artificial capaz de reconocer el 90 por ciento de los casos de retinopatía diabética.

“Ahora, la recepcionista en el consultorio de un médico puede obtener imágenes de la retina y, a través del aprendizaje profundo y el análisis basado en la nube, se puede determinar la calificación de la retinopatía”.

Sin embargo, Topol siente que la exageración de la IA ha superado a la medicina.

Algoritmos y cómo calibrarlos

“Estamos cortos en la validación y prometemos mucho. En última instancia, nos gustaría ver la implementación, que realmente no ha comenzado, excepto en unos pocos bolsillos de todo el mundo “.

Hizo hincapié en la necesidad de estudios revisados por expertos y de validación clínica en el mundo real.

Un desafío para la IA es que los riesgos existentes de la atención médica podrían exacerbarse dependiendo de los datos utilizados para entrenar un sistema de IA.

El director de investigación clínica y científico investigador principal de El Instituto de Tecnología de Massachusetts, el Dr. Leo Celi explica sobre los algoritmos:

“Si alimenta datos sesgados por computadora, tendrá algoritmos sesgados. Cada vez que creamos un modelo, nos aseguramos de que el modelo tenga un rendimiento constante en diferentes poblaciones “.

“Estas pruebas debían repetirse para garantizar que mantuviera su precisión a lo largo del tiempo, y los algoritmos no deberían ser patentados porque tienen una aplicación limitada”, dijo Celi. “En cambio, los ingresos para los creadores de algoritmos deberían consistir en probar y recalibrar continuamente un mismo algoritmo”, dijo.

Recuperamos tus datos, ¡contáctanos!

serman, laboratorio de recuperación de datos en españa
 

Los comentarios están cerrados.