Cómo un chip de juego podría algún día salvarte la vida

Corporación NVIDIA

Jensen Huang, el CEO multimillonario de Nvidia, ha hecho una fortuna al suministrar el hardware utilizado para los algoritmos de inteligencia artificial. Ahora apuesta a que la IA está a punto de convertirse en una parte indispensable de la medicina.

A principios de la década de 1990, Huang reconoció que las limitaciones de los chips de computadora de uso general y el auge de los juegos de computadora probablemente aumentarían la demanda de procesadores gráficos especializados. Durante finales de los años 90 y 2000, la compañía que él cofundó tuvo un gran éxito en la fabricación de chips gráficos de alta gama para jugadores.

Más recientemente, Huang y Nvidia se han subido a una ola tecnológica diferente, proporcionando el hardware utilizado para entrenar y ejecutar los algoritmos de aprendizaje profundo que han sido clave para un renacimiento reciente de la inteligencia artificial. El aprendizaje profundo requiere grandes cantidades de datos de entrenamiento y un potente hardware informático, y los procesadores gráficos de Nvidia ofrecen el tipo de procesamiento paralelo adecuado para que estos algoritmos funcionen.

Huang ahora cree que los algoritmos de IA van a revolucionar la medicina y la atención médica, y apuesta a que los hospitales, los médicos y los investigadores médicos serán la próxima gran base de clientes de Nvidia. La cantidad de datos que tiene el cuidado de la salud es enorme, y es el ejemplo perfecto de datos no estructurados. Y, sin embargo, el uso computacional de esos datos es bastante limitado, dijo Huang. Revisión de tecnología del MIT . Un área que es una primera entrada perfecta es la imagenología médica.

Un número creciente de trabajos de investigación muestra que el aprendizaje profundo se puede utilizar, en principio, para automatizar la identificación de enfermedades en imágenes médicas. Investigadores de Stanford han demostrado que la técnica puede detectar cáncer de piel en fotos . Un equipo de Google descubrió que se puede usar para identificar anomalías en las radiografías de tórax. Nvidia dice que más de la mitad de los documentos presentados en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, el evento más importante para el campo de imágenes médicas, involucraron alguna forma de aprendizaje profundo.

Esta visualización en 3D de un ventrículo cardíaco se creó con el hardware de Nvidia. Corporación NVIDIA

Nvidia ya trabaja con varias empresas que fabrican instrumentos de imágenes médicas, y todas estas empresas buscan agregar más análisis computacional a sus sistemas, dice Huang. Él cree que también debería ser posible conectar el equipo existente a dicho sistema, de modo que las imágenes se analicen y los resultados se presenten a los técnicos y médicos.

En el futuro, dice Huang, estas máquinas se complementarán con supercomputadoras, convirtiéndolas en instrumentos médicos asombrosos y modernos, tal como lo ha hecho la computación en la nube con los teléfonos celulares.

El mes pasado, Nvidia Anunciado un producto que pretende hacer algo como esto. Consiste en bastidores de potentes chips de computadora y viene cargado con software para tareas como afinar imágenes de resonancia magnética y crear visualizaciones de datos de ultrasonido. El sistema también podría admitir técnicas de aprendizaje automático para identificar signos de enfermedad en imágenes.

Juan Guttag , profesor de ciencias de la computación en el MIT, dice que las imágenes médicas se transformarán con el uso del aprendizaje automático y, en particular, con el aprendizaje profundo. Sin embargo, dice que el impacto más inmediato de la IA en la medicina será en la investigación médica. Habrá un cambio dramático en la forma en que investigamos, y eso tendrá un efecto indirecto en la atención, dice. Podemos mirar 20,000 escaneos de pacientes con Alzheimer y aprender cosas que no podríamos aprender a simple vista.

Historia relacionada

Historia relacionada Nadie sabe realmente cómo los algoritmos más avanzados hacen lo que hacen. Eso podría ser un problema.

Guttag dice que la tecnología eventualmente terminará en hospitales y clínicas también, pero las cosas avanzan más lentamente. Puede resultar difícil lograr que los médicos y los pacientes acepten el diagnóstico de IA, dice, si el sistema no ofrece también recomendaciones o una buena explicación de su conclusión. Muchos modelos de aprendizaje automático, especialmente en el aprendizaje profundo, son notoriamente difíciles de interrogar (consulte El oscuro secreto en el corazón de la IA).

Los desafíos no han intimidado a un número creciente de empresas que ahora buscan convertir los avances de la investigación en herramientas clínicas. La Administración de Drogas y Alimentos de EE. UU. ya ha aprobado algunas técnicas de IA para uso clínico, que incluyen tecnología para identificar signos de retinopatía diabética en imágenes retinianas, un producto para reconocer signos de accidente cerebrovascular en tomografías computarizadas, y un plataforma de oncología basada en la nube .

Pero simplemente no es realista imaginar que mucho de lo que hacen los médicos podría automatizarse. Los algoritmos podrían ayudarlos a analizar más datos de lo que sería posible de otro modo, y podrían mejorar en formas simples de diagnóstico. Pero el pronóstico y las opciones de tratamiento de un paciente pueden depender de una amplia gama de factores, incluido el historial médico único de esa persona. Hacer juicios en estas circunstancias es mucho más desafiante para una máquina.

Independientemente de los desafíos, las oportunidades para Nvidia son demasiado buenas para ignorarlas.

Butte de Atul , profesor de la Facultad de Medicina de la UCSF y experto en el uso de la tecnología en el cuidado de la salud, dice que los hospitales inevitablemente invertirán más en el hardware necesario para ejecutar algoritmos de aprendizaje profundo. Él dice: Hay profesores en UCSF y en otros lugares que ya están usando placas y equipos Nvidia para entrenar modelos de aprendizaje profundo en imágenes médicas, incluidas mamografías, ultrasonidos y más.

esconder