Investigadores de la Universidad de Sanford han
desarrollado un algoritmo de autoaprendizaje que puede diagnosticar imágenes médicas (radiografía de tórax). Esta plataforma de software se especializa solo en neumonía, pero realiza su tarea mejor que los
radiólogos profesionales.
La neumonía es diferente, y la red neuronal se distingue por 14 de sus variedades por rayos X. Los científicos han publicado los resultados de su trabajo en el dominio público
en arXiv . "El análisis de imágenes médicas es una tarea difícil, y lo sabemos", dice uno de los desarrolladores de la plataforma de software. "Decidimos desarrollar algoritmos de autoaprendizaje mediante la realización de una" capacitación "basada en cientos de miles de imágenes médicas".
Este trabajo utiliza un conjunto de datos proporcionado por el NIH Clinical Center. Esta es una gran base de datos, que incluye más de 112 mil imágenes frontales del cofre humano obtenidas mediante fluoroscopia. En estas imágenes, se pueden distinguir 14 patologías diferentes. Esta información hizo posible "entrenar" la plataforma de software para el diagnóstico de estas patologías.
Después de completar la capacitación, los científicos decidieron verificar qué tan bien el sistema hace un diagnóstico. Después de que la máquina hizo su diagnóstico, los investigadores pidieron a los médicos que hicieran lo mismo. Los médicos analizaron 420 imágenes e hicieron sus propios diagnósticos para cada una de ellas. Al final resultó que, el sistema informático fue capaz de diagnosticar la neumonía con mayor precisión que los humanos.
La neumonía es una enfermedad peligrosa y común. Solo en los Estados Unidos, con neumonía, aproximadamente 1 millón de personas van a hospitales cada año. Algunas patologías son extremadamente difíciles de detectar en los rayos X, signos demasiado implícitos en algunas variedades de esta enfermedad. Al mismo tiempo, el aprendizaje automático puede ayudar a los médicos a lidiar con este problema.
El principal peligro para el paciente aquí es que si el médico no diagnostica correctamente, esto puede llevar a la designación de un tratamiento inadecuado. Como resultado, el paciente será tratado, pero su condición empeorará. La situación se ve agravada por el hecho de que los médicos tienen que analizar cientos de imágenes de este tipo por día, como resultado de lo cual se atenúa la atención. Y la máquina, sujeta a su entrenamiento de calidad, podría funcionar las 24 horas, prácticamente sin cometer errores. Además, un sistema informático puede resaltar los detalles más pequeños en la foto, importantes para hacer el diagnóstico correcto, pero invisibles para los humanos.
Los desarrolladores "enseñaron" a su sistema a crear algo así como un mapa de calor del cuerpo humano al analizar imágenes. Solo en lugar de mostrar la temperatura, partes de los pulmones están marcadas en diferentes colores, donde la máquina "vio" signos de neumonía. Después del procesamiento, una persona ya está examinando las imágenes, prestando atención, en primer lugar, a aquellas áreas que la máquina marcó como las "más calientes".
Los investigadores creen que tales sistemas pronto serán generalmente aceptados y generalizados. “Continuaremos creando y mejorando algoritmos médicos que ayudan a detectar anomalías. También esperamos que pronto podamos poner a disposición del público conjuntos de datos médicos despersonalizados que puedan ser utilizados por otros especialistas que trabajan en problemas similares o de otro tipo ", dijo Jeremy Irwin, un representante del grupo de investigación.
Las radiografías en medicina son la fuente más importante de información sobre la salud del paciente. Muchos médicos simplemente están abrumados con tales imágenes. Después de varias horas de trabajar con ellos, la capacidad de concentración del médico disminuye, la atención disminuye, por lo tanto, la probabilidad de error es alta. La automatización del proceso podría ayudar a resolver el problema, lo que reduciría la cantidad de errores médicos.
El trabajo realizado por los científicos no es único. Ahora, muchas startups y
grandes corporaciones como IBM y Google están involucradas en desarrollos similares. Además de la neumonía, los sistemas informáticos ya pueden detectar signos de tumores,
problemas del sistema cardiovascular y otras anomalías en los rayos X y otras imágenes médicas.