COMPARTIR:Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

Hong Kong fue en el mes de junio la ciudad donde se realizó la Cumbre de la Inteligencia Artificial (IA), donde se habló del uso clínico actual, el futuro y las aplicaciones del mundo real de la inteligencia artificial en la salud y en la medicina donde se reunirán científicos y líderes de la industria.

Entre los 30 oradores que se presentaron en la cumbre está W. Art Chaovalitwongse, PhD, profesor de ingeniería industrial, Catedrático de Liderazgo del siglo XXI en ingeniería y codirector del Instituto de Análisis Avanzado de Datos de la Universidad de Arkansas. Su presentación, titulada “El futuro del aprendizaje automático en el análisis cuantitativo de imágenes médicas”, amplió su trabajo al comparar la radiología y las características basadas en el aprendizaje profundo para predecir los resultados clínicos de los datos de imágenes médicas.

Según Chaovalitwongse, su trabajo con el aprendizaje automático comenzó hace unos 15 años. Él y sus colegas usaron electroencefalografía (EEG) para analizar patrones anormales en el cerebro utilizando técnicas de aprendizaje automático para predecir ataques epilépticos. También colaboraron con un neurocirujano para centrarse en la neurofisiología observando las señales neuronales para evaluar la mejor forma de realizar procedimientos de estimulación cerebral profunda en pacientes que sufren temblores. También examinaron dónde se pueden encontrar las causas del trastorno por déficit de atención / hiperactividad (TDAH) en los cerebros de los niños y la enfermedad de Alzheimer en adultos.

Chaovalitwongse explicó que su trabajo ha pasado de centrarse exclusivamente en la fisiología del cerebro a la fisiología y la información funcional de la resonancia magnética a través del aprendizaje automático. Recientemente, comenzó a usar la tecnología de IA para la investigación del cáncer con la esperanza de que pronto podría predecir si un paciente sobreviviría al tratamiento del cáncer. “Detectar cáncer no es un problema. Pero para predecir el resultado del tratamiento, creo que es más difícil”, dijo Chaovalitwongse.

Para lograr esto comenzaron a utilizar la tecnología de aprendizaje automático de IA para predecir las probabilidades de supervivencia o recurrencia del cáncer entre 80 y 90 por ciento del tiempo. Analizaron los patrones de anormalidad y extrajeron las medidas de la forma, textura y distribución de las células cancerosas en coordinación con las imágenes de PET.

Chaovalitwongse cree que el aprendizaje profundo y las imágenes médicas en conjunto serán un nuevo enfoque para la ingeniería de generación de características, o “cómo se puede caracterizar un objeto 3D para describir o predecir algo”, como la forma y la textura de las células cancerosas.

El futuro del aprendizaje automático y el análisis de imágenes médicas

Según Chaovalitwongse, todavía hay varios desafíos por delante como ser: la falta de datos etiquetados, la estandarización deficiente de los sistemas de aprendizaje automático entre instituciones, los altos costos del paciente para los exámenes por imágenes y los casos que involucran cánceres raros plantean desafíos.

“No tener suficientes datos etiquetados, datos de los que usted conoce el resultado, es problemático, especialmente en la investigación del cáncer. Otro problema es ir a un hospital diferente con un sistema de imágenes diferente. Es necesario que exista una estandarización entre instituciones. Es difícil de integrar y combinar datos porque es necesario que haya una estandarización de la imagen “, dijo Chaovalitwongse.

Pero, ¿cuánto tiempo llevará recopilar suficientes datos clínicamente etiquetados para utilizar el aprendizaje automático en la asistencia sanitaria de manera efectiva?

“Creo que estamos llegando y creo que estamos reconociendo eso”, dijo. “Necesitamos más casos de uso y más datos de capacitación. Creo que en cinco años las personas comenzarán a recopilar datos juntos. Los Institutos Nacionales de Salud (NIH) han hecho un gran trabajo al tratar de hacer que los datos sean públicos y que obtengan fondos”.

COMPARTIR:Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

NO COMMENTS

DEJAR UN COMENTARIO