Los 5 mayores saltos cuánticos de la IA en la atención médica

Los 5 mayores saltos cuánticos de la IA en la atención médica

Como la empresa tecnológica más importante del mundo, Google, se está aventurando en el sistema de salud impulsado por la IA, el foco del resto de la industria se dirige hacia los avances de la IA en el sector médico. El poder de reverberación de la IA está realmente cambiando vidas para mejor.

Aquí están algunos de los principales saltos cuánticos dados por la Inteligencia Artificial en el sector de la salud para potenciar la salud pública con tecnología de la nueva era.

La IA detecta el cáncer de pulmón

Los investigadores de Google y Northwestern Medicine han trabajado recientemente en conjunto para desarrollar un sistema de IA que es capaz de detectar el cáncer de pulmón mejor que los radiólogos humanos. El sistema está entrenado con un algoritmo de aprendizaje profundo que interpreta las tomografías computarizadas para prever la probabilidad de que un paciente posea la enfermedad.

Daniel Tse, director de producto de Google Brain y su equipo de investigación aplicaron la DL (AI) a 42.290 tomografías de baja dosis (LDCT). Los escaneos fueron proporcionados por el Almacén de Datos Electrónicos del Noroeste y otras fuentes pertenecientes a los hospitales del Noroeste en Chicago. Además, las imágenes se tomaron de casi 15.000 pacientes de un estudio de los Institutos Nacionales de Salud realizado en 2002. De esos pacientes, 578 desarrollaron cáncer en el plazo de un año.

El estudio fue financiado por Google y los investigadores emplearon la IA como una herramienta de diagnóstico para evaluar las imágenes y predecir la enfermedad eliminando la opinión humana. El modelo de IA detectó cánceres de pulmón con un 5 por ciento más de frecuencia que los expertos. Este sistema en particular se hará público a través de la API de Google Cloud Healthcare, ya que todavía está en pruebas e investigaciones adicionales.

La IA puede detectar las causas del autismo en el ADN inexplorado

Recientemente, un equipo de investigación ha empleado la IA para desvelar una nueva mutación genética relacionada con el autismo en áreas no codificantes del ADN, que en el lenguaje común se denomina región de la basura. Los científicos implementaron un algoritmo de aprendizaje profundo para examinar estas regiones del genoma que afecta a la cantidad de genes que se están produciendo.

El equipo de investigadores pasó por 1.20.000 mutaciones para identificar las seleccionadas vinculadas al comportamiento genético en un paciente autista. Aunque el resultado no mostró la causa real, sino que reveló el potencial contribuyente genético no codificante que parece raro.

El algoritmo utilizado en este estudio funciona con un complejo análisis de datos para revelar cuáles son difíciles de reconocer por otros medios. Los algoritmos de aprendizaje profundo detectaron la región pertinente del ADN en los genomas examinados y predijeron además qué secciones influyen en las más de 2.000 interacciones de proteínas que regulan los genes. El sistema también pronostica si una sola mutación en un emparejamiento de ADN podría afectar a estas interacciones de las proteínas.

La combinación del aprendizaje por máquina y el sensor portátil puede detectar enfermedades cardíacas

Recientemente se ha desarrollado un clasificador de IA que es capaz de detectar enfermedades cardiovasculares específicas con el uso de biosensores portátiles atados en las muñecas de las personas. Al alojar un enfoque de diagnóstico utilizando ML y un sensor portátil, los investigadores han desarrollado una herramienta no invasiva para identificar la miocardiopatía hipertrófica que puede causar complicaciones graves.

Después de emplear la tecnología AI/ML, los investigadores concluyeron que el uso del sensor portátil junto con el aprendizaje por máquina es exitoso para detectar pacientes con oHCM. Incluso si varios dispositivos utilizan sensores PPG para detectar el ritmo del flujo sanguíneo y el bombeo del corazón, la herramienta impulsada por la IA tiene el potencial de detectar oHCM irreconocibles. Bueno, todavía hay margen para que el dispositivo se someta a futuras investigaciones para analizar una población más amplia para una mejor comprensión de los factores de edad y sexo de la enfermedad.

El sistema de IA detecta la retinopatía diabética

La empresa privada de diagnósticos de IA IDx anunció recientemente que el Panel Editorial de Terminología de Procedimientos Actuales (CPT) de la Asociación Médica Americana (AMA) ha aceptado un nuevo código CPT® de categoría 1 para la obtención automática de imágenes de la retina en el punto de atención. El nuevo código facilita la facturación correcta de IDx-DR que es un sistema autónomo de IA aprobado por la FDA que detecta la retinopatía diabética que causa ceguera. Los códigos CPT son desarrollados y revisados por expertos clínicos bajo un proceso transparente y abierto. El código proporciona un lenguaje uniforme para presentar los procedimientos y servicios de atención médica para el reembolso del pagador. Está previsto que entre en vigor en enero de 2021, lo que agilizará el proceso de codificación y facturación para los proveedores de atención médica que utilicen IDx-DR.

Las recomendaciones de política proporcionadas por la AMA para la IA en la atención médica dice «el pago y la cobertura de todos los sistemas de IA de atención médica que están condicionados a cumplir con todas las leyes y regulaciones federales y estatales apropiadas, incluyendo pero no limitado a las que rigen la seguridad del paciente, la eficacia, la equidad, las reclamaciones veraces, la privacidad y la seguridad, así como las leyes estatales de práctica médica y licencias».

Además, en 2018, el IDx-DR se convirtió en el primer sistema autónomo de diagnóstico de IA que fue autorizado para su uso sin la participación de un médico para interpretar el resultado. El sistema también benefició a los proveedores de atención no ocular al presentar una evaluación diagnóstica inmediata de la retinopatía diabética en el punto de atención sin ninguna revisión de un especialista.

AI/ML puede detectar psicosis como la esquizofrenia

Los investigadores de Harvard y de la Universidad de Emory han desarrollado un enfoque de aprendizaje automático para analizar el lenguaje en busca de signos de psicosis. La tecnología ML proporciona una forma precisa de detectar enfermedades mentales a través de características sutiles proyectadas por las personas en su habla.

El sistema ML evalúa la densidad semántica y el uso de las palabras relacionadas con el sonido en el habla y, por lo tanto, predice con precisión qué individuos tienen probabilidades de desarrollar psicosis.

Las condiciones de psicosis como la esquizofrenia a menudo muestran alucinaciones auditivas en los pacientes y tienden a hablar implícitamente de voces y sonidos. Los investigadores utilizaron una técnica llamada «Desembalaje de vectores» que determina la densidad semántica dividiendo las frases en vectores componentes y midiendo la riqueza de la frase.

Leave a Comment!