Las tecnologías modernas hacen que los sistemas informáticos sean cada vez más "inteligentes". En particular, Facebook, Google, Amazon utilizan el aprendizaje automático, por ejemplo, para convertir voz en texto, reconocer caras y dar publicidad personalizada. Las mismas tecnologías ayudan a los médicos de diversas especialidades. En los EE. UU., Se planea utilizar el aprendizaje automático y una forma débil de IA para combatir la peligrosa bacteria
Clostridium difficile . Wikipedia dice que la bacteria es el agente causante de la colitis pseudomembranosa, una enfermedad intestinal infecciosa grave que puede provocar la muerte de una persona con un cuerpo debilitado.
Los pacientes del hospital simplemente pertenecen a la categoría de personas con un cuerpo debilitado, que es casi incapaz de tratar con virus y bacterias patógenos. Solo en los EE. UU., Se registran 453 mil casos de colitis por año, con 29,000 casos que conducen a la muerte del paciente. En cualquier caso, dichos datos se dieron en el
informe de 2015 . Los métodos médicos habituales no ayudan a detener la infección: lavarse las manos, los pisos, los antisépticos, etc. No muy efectivo.
Por esta razón, los médicos decidieron usar otros métodos que están directamente relacionados con las tecnologías modernas, que se discutieron anteriormente. El equipo de la Universidad de Michigan ha desarrollado un método para predecir la probabilidad de colitis en diferentes pacientes. Para esto, se utilizan los datos médicos de la tarjeta de una persona. Hasta ahora, la tecnología solo se ha probado, pero ya ha mostrado excelentes resultados.
Hace unas semanas,
se analizaron 374,000 ingresos hospitalarios en un hospital de Massachusetts utilizando una técnica creada por científicos informáticos. Los científicos quieren encontrar una conexión entre la ocurrencia de la enfermedad y los factores que llevaron a la enfermedad.
Durante el análisis, la máquina verifica alrededor de 4000 factores diferentes, incluida la ubicación de la cama del paciente, sus visitas al médico, la ubicación de las camas de otros pacientes y todos los demás datos. Por lo general, los pacientes hospitalizados no están en el mismo lugar, sino que son trasladados por el hospital. Y si en algún lugar hay una fuente de infección, entonces funciona. Lo principal es identificar esta fuente a tiempo.
Otro ejemplo del uso de algoritmos de máquina en medicina es el análisis de la retina para la detección de la retinopatía diabética. La retinopatía es una lesión de los vasos retinianos, que conduce a una violación del suministro de sangre a la retina, su degeneración, atrofia del nervio óptico y ceguera. Esta es una enfermedad común para los diabéticos, que debe diagnosticarse a tiempo para que las personas no pierdan la visión como resultado de la retinopatía progresiva. Es bastante común: en 2011
, se registraron alrededor de 126 millones de casos, para 2030 su número podría aumentar en un 51%.
Los especialistas crearon una red neuronal, que se formó con el ejemplo de 128 mil imágenes de los ojos de pacientes en India y Estados Unidos. Las mismas imágenes se mostraron a los médicos que diagnosticaron retinopatía en diferentes etapas de desarrollo antes de familiarizarse con la computadora. Luego, todos los datos recibidos se descargaron a la computadora. Después de que la red neuronal se sometió a entrenamiento, se verificó en un conjunto de datos diferente y, en este caso, sus resultados fueron más altos que los de los médicos.
Ahora, el equipo de especialistas que desarrolló esta herramienta está planeando introducirla en India, donde hay una gran cantidad de pacientes con este diagnóstico. Y en los Estados Unidos u otros países, esto también es un problema. La tecnología se encuentra actualmente en ensayos clínicos en varios hospitales de la India.
El año pasado, el regulador estadounidense aprobó la introducción de un aparato especial para analizar imágenes de resonancia magnética en hospitales. El dispositivo analiza la imagen en solo 30 segundos, mientras que el médico pasa unos 45 minutos en el mismo trabajo. "Esta es una automatización de procesos rutinarios que requieren mucho tiempo de especialistas en una situación normal", dice Karla Leibovitz, una portavoz de Arterys que desarrolló este sistema.
En general, el aprendizaje automático y la IA se están generalizando en medicina. Básicamente, estamos hablando de la automatización de cualquier proceso de rutina que sea importante para el diagnóstico de la enfermedad, pero que requiera mucho tiempo para el médico. Y cuanto más tiempo pasa un médico en ese trabajo, más se cansa. Como resultado, las mismas imágenes de rayos X son analizadas por una persona con mucha menos atención después de trabajar durante varias horas que al comienzo del trabajo. En consecuencia, la precisión del diagnóstico también disminuye.