El aprendizaje profundo puede ser útil para eliminar la escasez de médicos especialistas en cáncer

El aprendizaje profundo puede ser útil para eliminar la escasez de médicos especialistas en cáncer

El servicio nacional de salud de Gran Bretaña se enfrenta actualmente a una escasez crítica de médicos especialistas en cáncer. Esto hace que sea extremadamente difícil proporcionar atención especializada a los pacientes gravemente enfermos.

Las estadísticas del Colegio Real de Radiólogos muestran que casi el 7,5 por ciento de los puestos de consultor en los 62 principales centros de cáncer del Reino Unido están vacantes. Esto los ha hecho dependientes de las horas extras.

Por el contrario, Peltarion, una compañía sueca de IA trabajó con una compañía de radioterapia para desarrollar un modelo de aprendizaje profundo. Este modelo apunta a los tumores para la radioterapia y ayuda a erradicar la escasez de médicos. Ahorra tiempo y mejora el cuidado del paciente a través de diagnósticos más rápidos y precisos y planes de tratamiento personalizados.

Björn Brinne, jefe de la IA de Peltarion, dijo: «La tecnología de aprendizaje profundo es una técnica clave de la IA que puede apoyar el proceso de tratamiento de radioterapia. Con más de mil millones de exámenes radiológicos que se realizan cada año, ser capaz de determinar con rapidez y precisión la enfermedad o condición que explica los síntomas de una persona es fundamental para el éxito del servicio de salud».

Declaró además: «Los radiólogos, por ejemplo, utilizan los datos, y especialmente las imágenes, para formar la base fundamental de sus evaluaciones, determinando cuál es la enfermedad y dónde se muestra. Hay más de mil millones de exámenes radiológicos que se realizan cada año».

Los radiólogos crean una máscara de segmentación para diagnosticar y tratar los tumores cerebrales. Estas máscaras son esencialmente una imagen que se utiliza para marcar la ubicación exacta de los crecimientos cancerosos. También ayuda a crear un plan de tratamiento.

Haciendo uso de modelos de aprendizaje profundo, Peltarion está ayudando a los radiólogos a crear estas máscaras de forma rápida y precisa. La tecnología utilizada puede ayudar en el proceso de segmentación. También permitirá a los médicos trabajar más eficientemente cuando se trate de tratamientos de radioterapia.

Según Brinne, «En términos simples, se entrena un modelo de aprendizaje profundo con datos, en esta área, se entrena a los modelos con un montón de imágenes que están bien etiquetadas con datos sobre el tumor cerebral, sus características y donde se muestra».

El modelo se optimiza posteriormente para asegurar la precisión y la exactitud. Como explica Brinne, estos modelos pueden funcionar al mismo nivel o al menos equivalente al de un profesional médico.

Estos modelos son rápidos de ejecutar y están básicamente libres de errores. Para un nuevo caso, el modelo de aprendizaje profundo predice la máscara de segmentación apropiada y sugiere dónde está presente el tumor y cómo se puede aplicar el tratamiento.

Aunque este enfoque es bastante nuevo, Brinne cree que puede ayudar significativamente a los radiólogos y a los profesionales médicos mejorando su capacidad para determinar la máscara de segmentación y acelerar el proceso de diagnóstico. También puede actuar como una «segunda opinión».

Brinne continuó diciendo: «No se trata de reemplazar a los expertos, sino de ayudarlos a obtener resultados rápidos y precisos. Los servicios de salud del primer mundo luchan por proporcionar un servicio de radiología y patología al nivel esperado o demandado por sus ciudadanos. En muchas partes del mundo, estos servicios simplemente no se prestan o son inexistentes. La Organización Mundial de la Salud estima que hasta dos tercios de la población mundial no tiene acceso a los servicios básicos de radiología».

La empresa espera que cada vez más organizaciones den a conocer su enfoque de plataforma a los sistemas de salud de todo el mundo. Según Brinne, el aprendizaje profundo puede apoyar y mejorar casi todos los procesos de diagnóstico basados en imágenes. El objetivo de Peltarion es hacer que el aprendizaje profundo sea más corriente y accesible en más países y con más proveedores.

Además, Peltarion quiere ayudar a las organizaciones a utilizar diferentes tipos de datos, incluyendo el lenguaje y el audio, en soluciones de diagnóstico y tratamiento basadas en el aprendizaje profundo. Esto podría beneficiar a varios pacientes, simplemente transcribiendo los datos de los pacientes con precisión o ayudando a detectar posibles enfermedades.

Brinne añadió: «Además, hay algunas aplicaciones interesantes de aprendizaje profundo con datos de audio como la detección del estrés de los patrones de respiración, el diagnóstico del trastorno de estrés postraumático y el diagnóstico del asma a partir de las ondas de la tos. Incluso hay un servicio que analiza las pistas de audio de las llamadas de emergencia para predecir cuándo alguien podría estar sufriendo un ataque al corazón».

Leave a Comment!