Una investigación reciente de la división Cloud de Google señala como conclusión que aplicar la inteligencia artificial (IA) a la medicina no sólo no es sencillo, sino complicado. Muchos expertos señalan desde hace años que la IA va a revolucionar el cuidado de la Salud, pero los estudios liderados por la científica de Google Jia Li, sobre la aplicación de la IA a la imagen de radiología, y que se expusieron en una Conferencia en marzo pasado en San Francisco, generan muchas dudas al respecto.
El trabajo de Jia Li intentaba determinar cómo el aprendizaje automático podría ayudar a identificar una enfermedad en un entorno clínico real, donde los datos son escasos y donde los médicos requieren una justificación para su diagnóstico. Algunos expertos en inteligencia artificial sugieren que áreas enteras de trabajo médico, como el análisis de imágenes radiológicas, podrían llegar a automatizarse por completo gracias a la IA.
Li y sus colegas utilizaron el aprendizaje profundo o deep learning para identificar anomalías en radiografías de tórax. Debido a que solo tenían un pequeño conjunto de datos para trabajar, usaron otro conjunto de datos para iniciar el proceso de aprendizaje. También se aseguraron de que su método resaltara el área de una imagen que era crítica para diagnosticar una anormalidad. Esto es importante porque el aprendizaje profundo es matemáticamente muy complejo, lo que lo hace extremadamente opaco.
Los resultados de la científica de Google ratificaron que la inteligencia artificial puede automatizar solo una pequeña parte del trabajo de los radiólogos. Li considera que “los médicos no serán reemplazados por la IA en el futuro cercano. Podemos ayudar a los médicos a hacer mejores juicios y hacer que el proceso sea más eficiente”.
Pero no sólo Google trabaja para demostrar las aplicaciones de la IA en el campo de la Salud y la Medicina, y en concreto en el ámbito de la Radiología. La división de Healthcare de la antigua General Electric, hoy GE, puso recientemente a prueba la arquitectura de los procesadores de Intel en un sistema para clasificar imágenes radiológicas utilizando aprendizaje profundo. El resultado fue un rendimiento que excede en casi seis veces a los sistemas que se utilizan en la actualidad.
A pesar de los estudios de Jia Li, lo cierto es que el aprendizaje profundo y otras formas de inteligencia artificial tienen el potencial de agilizar los flujos de trabajo de imágenes médicas, mejorar las técnicas de adquisición de imágenes para reducir la exposición a los rayos X y aumentar el valor de la investigación de los datos de imágenes.
Fuente: Muy Interesante
