Un nuevo algoritmo puede detectar la neumonía mejor que un radiólogo

Categoría: Inteligencia artificial Al corriente 16 de noviembre

Agregue el diagnóstico de enfermedades pulmonares peligrosas a la creciente lista de cosas que la inteligencia artificial puede hacer mejor que los humanos.

un nuevo arXiv El artículo de investigadores de Stanford explica cómo CheXNet, la red neuronal convolucional que desarrollaron, logró la hazaña. CheXNet fue entrenado en un conjunto de datos disponible públicamente de más de 100,000 radiografías de tórax que fueron anotadas con información sobre 14 enfermedades diferentes que aparecen en las imágenes. Los investigadores hicieron que cuatro radiólogos pasaran por un conjunto de pruebas de rayos X y realizaran diagnósticos, que se compararon con los diagnósticos realizados por CheXNet. CheXNet no solo superó a los radiólogos en la detección de neumonía, sino que una vez que se amplió el algoritmo, también demostró ser mejor para identificar las otras 13 enfermedades.

La detección temprana de la neumonía podría ayudar a prevenir algunas de las 50 000 muertes que causa la enfermedad en los EE. UU. cada año. La neumonía también es la principal causa infecciosa de muerte para los niños en todo el mundo, matando a casi un millón de niños menores de cinco años en 2015.

Andrew Ng, coautor del artículo y exjefe de investigación de IA en Baidu, cree que se confiará cada vez más en la IA en la medicina. Anteriormente, trabajó en un algoritmo que puede, después de ser entrenado con datos de electrocardiograma (ECG), identificar arritmias cardíacas mejor que un experto humano. Otro algoritmo de aprendizaje profundo publicado recientemente en Naturaleza fue capaz de detectar lesiones cancerosas en la piel tan bien como un dermatólogo certificado por la junta.

Los radiólogos en particular han estado sobre aviso por un tiempo. Investigaciones anteriores han demostrado que la IA es tan buena o mejor que los médicos para detectar problemas en las tomografías computarizadas. Geoffrey Hinton, uno de los pioneros del aprendizaje profundo, dijo al Neoyorquino que debido a los avances en IA, las escuelas de medicina deberían dejar de entrenar radiólogos ahora. El análisis de conjuntos de datos basados ​​en imágenes, como radiografías, tomografías computarizadas y fotografías médicas, es en lo que se destacan los algoritmos de aprendizaje profundo. Y muy bien podrían salvar vidas.