211service.com
Las máquinas se preparan para jugar al doctor
Los investigadores utilizaron dispositivos de ECG portátiles para recopilar 30 000 clips de 30 segundos de pacientes con diversas formas de arritmia.
Es posible que no pase mucho tiempo antes de que los algoritmos salven vidas de forma rutinaria, siempre que los médicos estén dispuestos a confiar cada vez más en las máquinas.
Un equipo de investigadores de la Universidad de Stanford, dirigido por andres ng , un destacado investigador de IA y profesor adjunto allí, ha demostrado que un modelo de aprendizaje automático puede identificar arritmias cardíacas a partir de un electrocardiograma (ECG) mejor que un experto.
El enfoque automatizado podría resultar importante para el tratamiento médico diario al hacer que el diagnóstico de irregularidades de los latidos del corazón potencialmente mortales sea más confiable. También podría hacer que la atención de calidad esté más disponible en áreas donde los recursos son escasos.
El trabajo también es solo la última señal de cómo el aprendizaje automático parece revolucionar la medicina. En los últimos años, los investigadores han demostrado que las técnicas de aprendizaje automático se pueden utilizar para detectar todo tipo de dolencias, incluidas, por ejemplo, cáncer de mama , cáncer de piel , y enfermedad ocular de imágenes médicas.
Me animó la rapidez con la que las personas aceptan la idea de que el aprendizaje profundo puede diagnosticar con una precisión superior a la de los médicos en verticales seleccionados, dijo Ng por correo electrónico. Agrega que es alentador ver a los investigadores mirar más allá de las imágenes a otras formas de datos como el ECG.
Hasta hace poco, Ng era el científico jefe del gigante tecnológico chino Baidu, donde ayudó a fundar un instituto dedicado a aplicar el aprendizaje profundo a diferentes problemas comerciales.
El equipo de Stanford entrenó un algoritmo de aprendizaje profundo para identificar diferentes tipos de latidos cardíacos irregulares en los datos de ECG. Algunas irregularidades pueden provocar complicaciones de salud graves, incluida la muerte cardíaca súbita, pero la señal puede ser difícil de detectar, por lo que a menudo se les pide a los pacientes que usen un sensor de ECG durante varias semanas. Incluso entonces, puede ser difícil para un médico distinguir entre las irregularidades que pueden ser benignas y las que podrían requerir tratamiento.
Los investigadores de Stanford entrenaron un algoritmo de aprendizaje profundo para identificar diferentes tipos de latidos cardíacos irregulares a partir de los datos del ECG.
Los investigadores se asociaron con iRitmo , una empresa que fabrica dispositivos de ECG portátiles. Recolectaron 30,000 clips de 30 segundos de pacientes con diferentes formas de arritmia. Para evaluar la precisión de su algoritmo, el equipo comparó su desempeño con el de cinco cardiólogos diferentes en 300 clips no diagnosticados. Hicieron que un panel de tres cardiólogos expertos proporcionara un juicio verídico.
El aprendizaje profundo implica alimentar grandes cantidades de datos en una gran red neuronal simulada y ajustar sus parámetros hasta que reconozca con precisión las señales de ECG problemáticas. El enfoque ha demostrado su eficacia en la identificación de patrones complejos en imágenes y audio, y ha llevado al desarrollo de sistemas de reconocimiento de voz e imagen mejores que los humanos.
Eric Horvitz , director gerente de Microsoft Research y médico y experto en aprendizaje automático, dice otros, incluido dos diferentes grupos del MIT y la Universidad de Michigan, están aplicando el aprendizaje automático a la detección de arritmias cardíacas.
Sin embargo, de cara al futuro, existe la posibilidad de que el aprendizaje automático encuentre rastros de enfermedades al combinar grandes cantidades de datos dispares.
Sin embargo, un desafío clave será persuadir a médicos y pacientes para que confíen en algoritmos que a menudo son tan complejos que su razonamiento no se puede entender (ver El oscuro secreto en el corazón de la IA). El aprendizaje profundo es una forma particularmente opaca de aprendizaje automático, y será importante encontrar formas de hacerlo más explicable tanto para generar confianza como para refinar el trato.
Aún así, Ng no tiene dudas de que se avecina una revolución. Todavía tenemos trabajo por delante para incorporar estos algoritmos en el flujo de trabajo del sistema de atención médica, dice. Pero creo que la atención médica dentro de 10 años utilizará mucha más IA y se verá muy diferente de lo que es hoy.