Premio de un millón de dólares sugiere cómo el aprendizaje automático podría algún día detectar el cáncer

El aprendizaje automático a menudo requiere conjuntos de datos masivos para desarrollar un algoritmo efectivo, pero para este concurso, los equipos recibieron solo 2000 imágenes.

Un concurso destinado a automatizar la detección del cáncer de pulmón muestra cómo el aprendizaje automático puede estar preparado para revisar las imágenes médicas.

El desafío ofreció $ 1 millón en premios para los algoritmos que identificaron con mayor precisión los signos de cáncer de pulmón en imágenes de tomografía computarizada de baja dosis. Los algoritmos ganadores no necesariamente serán adoptados por los médicos, pero podrían inspirar innovaciones algorítmicas que lleguen a la imagenología médica.

Las tomografías computarizadas de baja dosis han mostrado un gran potencial en los últimos años para detectar antes el cáncer de pulmón. Usan menos radiación y no requieren que se inyecte un medio de contraste en el cuerpo. Pero el diagnóstico es muy difícil, lo que significa una gran cantidad de falsos positivos y demasiados procedimientos médicos innecesarios.

Una técnica de aprendizaje automático conocida como aprendizaje profundo ha demostrado ser especialmente eficaz para encontrar patrones en imágenes en los últimos años (consulte 10 Tecnologías innovadoras 2013: Aprendizaje profundo). Ahora existe una creciente esperanza de que este y otros métodos de aprendizaje automático puedan ayudar a mejorar los estándares de diagnóstico en medicina mediante el reconocimiento automático de patrones que indican enfermedades, incluidos los que son demasiado sutiles para que los capte el ojo humano.

El aprendizaje profundo ya se ha utilizado para detectar el cáncer de piel en imágenes con aproximadamente el mismo número de errores que cometen los dermatólogos profesionales. Y la técnica ha demostrado su eficacia para detectar una causa común de ceguera en las imágenes de la retina. Ahora hay un interés creciente, entre médicos y empresarios, en implementar la técnica de manera más amplia. Sin embargo, a medida que esto suceda, es posible que se necesite un mayor esfuerzo para que dichos algoritmos sean explicables (consulte El oscuro secreto en el corazón de la IA).

Historia relacionada

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

Keyvan Farahani, director de programa del Instituto Nacional del Cáncer, que suministró los datos de imágenes utilizados en el concurso, dice que reducir la cantidad de diagnósticos falsos de cáncer de pulmón realizados a partir de tomografías computarizadas de baja dosis marcaría una diferencia real para los pacientes. Hay alrededor de 222,500 casos nuevos de cáncer de pulmón en los EE. UU. cada año, según la Sociedad Estadounidense del Cáncer.

Farahani dice que el software existente para identificar signos de cáncer de pulmón no es confiable. Los resultados preliminares sugieren que [los mejores algoritmos] son ​​mejores que los que ya están disponibles, dice. Sin embargo, Farahani no prevé que los algoritmos tomen el lugar de los expertos médicos. El aprendizaje profundo ayudará a digerir grandes cantidades de datos, dice. No creo que vayan a reemplazar a los médicos o radiólogos.

Uno de los principales desafíos de este concurso fue el hecho de que solo se pusieron a disposición de los equipos 2000 imágenes. El aprendizaje automático a menudo requiere conjuntos de datos muy grandes para desarrollar un algoritmo efectivo. Pero se incluyeron otros datos, como detalles del equipo utilizado.

El equipo ganador empleó una red neuronal y se esforzó más en anotar imágenes para proporcionar más puntos de datos. También utilizó un conjunto de datos adicional y dividió el desafío en dos partes: identificar nódulos y luego diagnosticar el cáncer. Todavía no está claro cómo el mejor algoritmo podría estar a la altura de un médico, porque cada algoritmo proporciona una probabilidad en lugar de un resultado definitivo.

Creemos que dividir explícitamente este problema en dos etapas es fundamental, lo que también parece ser lo que harían los expertos humanos, dice Zhe Li, miembro del equipo ganador y estudiante de la Universidad de Tsinghua, uno de los institutos académicos más importantes de China.

Además de insinuar el potencial del aprendizaje profundo en imágenes médicas, el concurso de cáncer de pulmón destaca la creciente reputación de los investigadores chinos de IA.

El concurso , realizado en el sitio de ciencia de datos Kaggle, fue organizado por Booz Allen Hamilton, una firma de consultoría de gestión que ha organizado varios otros concursos importantes de ciencia de datos anteriormente. El millón de dólares en premios en metálico provino de la Fundación Laura y John Arnold .

Kaggle fue fundada en 2010 y adquirida a principios de este año por Google. El sitio ha demostrado ser una forma poderosa de colaboración colectiva para el desarrollo de algoritmos de aprendizaje automático, y también es una forma popular de identificar talentos.

Historia relacionada

Leer siguiente

jose sullivan , que dirige el equipo de ciencia de datos de Booz Allen Hamilton, dice que una de las motivaciones del concurso es la adquisición de talento, y señala que 238 participantes también han solicitado puestos de trabajo en la empresa. Agrega que la compañía está poniendo a disposición de forma gratuita los algoritmos ganadores para maximizar los beneficios potenciales para la comunidad médica.

Li, del equipo ganador, dice que desarrollar algo que podría salvar la vida de las personas es gratificante, pero que la verdadera razón para participar fue un poco menos altruista. Para ser honesto, la principal motivación es ganar el dinero del premio, dice.

esconder