Google, IBM y otros han estado trabajando durante mucho tiempo para crear IA (su forma débil), que podría analizar imágenes de rayos X. Por qué El problema es que los radiólogos, y no solo ellos, tienen que pasar mucho tiempo analizando imágenes médicas. Hay muchas de esas imágenes, pero debe ver y dar su respuesta para cada una durante un tiempo determinado.
El especialista tiene muy poco tiempo para analizar la misma radiografía. Y es bueno si el médico está fresco y alerta cuando ve la imagen. Pero, ¿qué pasa si ya funciona al final de la jornada laboral, después de ver un par de cientos de las mismas imágenes? El factor humano aquí es muy fuerte, y la probabilidad de error aumenta muchas veces. Para facilitar la tarea del especialista, los científicos también están tratando de usar las capacidades de la inteligencia artificial.
Otro problema para los médicos que miran regularmente imágenes médicas (no necesariamente radiografías) es el error de "satisfacción de búsqueda". Se basa en el hecho de que el médico que mira la imagen, después de descubrir el problema, puede no estar involucrado en la búsqueda de los demás, decidir que su suposición es correcta e inmediatamente hacer un diagnóstico. Las consecuencias pueden ser bastante graves para el paciente, dado que el problema identificado no siempre es una manifestación de la enfermedad subyacente.
Ahora el desarrollo de una red neuronal que llevaría a cabo una búsqueda de manifestaciones de diversas enfermedades en imágenes médicas fue
emprendido por un equipo de científicos dirigido por Andrew Un. Los especialistas crearon una red neuronal, que se formó con el ejemplo de una base de datos que consta de varias decenas de miles de imágenes (casi 50 mil) obtenidas de más de 14 mil instituciones médicas. Al mismo tiempo,
cada una de las imágenes fue analizada previamente por médicos que diagnosticaron y marcaron la radiografía como normal o patológica.
Los resultados de la red neuronal y tres radiólogos-médicos.La eficacia de la red neuronal después del entrenamiento se comparó con el trabajo de tres radiólogos y médicos. Al final resultó que, en dos casos, la red neuronal casi no se quedó atrás de una persona, y en uno, lo superó. En general, la computadora detectó correctamente el daño en el 74.9% de los casos. Vale la pena señalar que los científicos han descubierto los resultados y materiales de su investigación al mundo. Por lo tanto, la base de datos en la que se formó la red neuronal se presenta en el dominio público y está disponible en el sitio web de Stanford. Está listo para ser utilizado para entrenar otras redes neuronales.
Las redes neuronales también funcionan con otros tipos de imágenes médicas. Por ejemplo, una red neuronal profunda aprende a reconocer los rastros de la enfermedad en imágenes de
tomografía por emisión de positrones del cerebro (PET). Estamos hablando de la enfermedad de Alzheimer, que se caracteriza por la aparición de placas amiloides con una desaceleración del metabolismo cerebral.
Anteriormente, los científicos
descubrieron que algunos tipos de escáneres PET pueden detectar signos de estas condiciones negativas. Por lo tanto, la tecnología puede funcionar para detectar un deterioro cognitivo leve en humanos, un deterioro que posteriormente conduce a la enfermedad de Alzheimer.
Es cierto que es bastante difícil para los científicos humanos interpretar las imágenes resultantes. Pero la red neuronal puede hacer frente a esto gracias a uno o dos marcadores. Para entrenar el sistema informático, los especialistas utilizaron imágenes cerebrales de 182 personas de 70 años con un cerebro sano y 139 imágenes cerebrales de personas de aproximadamente la misma edad con un diagnóstico de Alzheimer. Como resultado, AI pudo reconocer la diferencia entre un cerebro sano y enfermo, y lo hizo con un alto grado de precisión, superior al 90%.
En cuanto a Andrew Un y su equipo, están
tratando de usar las capacidades de la red neuronal y para otro proyecto. Estamos hablando de pacientes con enfermedades muy graves, pacientes y terapia paliativa. La red neuronal está tratando de predecir qué tan grave es la condición del paciente (en su mayoría estamos hablando de personas muy mayores). Si hablamos de una enfermedad progresiva, que lleva al paciente no más de un año de vida, entonces un equipo de terapeutas paliativos entra en el trabajo que intenta eliminar las manifestaciones negativas de la enfermedad (dolor, estado psicológico, etc.) hasta cierto punto. El problema es que el equipo debe venir a trabajar en un momento determinado para maximizar el efecto. Y aquí la red neuronal también muestra un éxito significativo.
En general, la IA (su forma débil) ahora es considerada por los científicos como un médico asistente, y no una alternativa, si puedo decirlo. Las redes neuronales ayudan a un especialista a identificar varios tipos de problemas, y ya un médico humano hace un diagnóstico preciso, utilizando la ayuda de sus asistentes digitales. Como resultado, se ahorra tiempo y se aumenta la precisión del diagnóstico. Con el tiempo, las redes neuronales se convertirán en asistentes de médicos confiables: hoy esta práctica es de naturaleza experimental, pero los resultados obtenidos inspiran un optimismo saludable en las capacidades de la tecnología informática en un campo como la atención médica.