La revista especializada Big Data Magazine publica un artículo de nuestro responsable de desarrollo de negocio Andrés Visús sobre la IA en la salud.
Se habla mucho de la Inteligencia Artificial y sus aplicaciones en la medicina, y habitualmente se asocia y son más sonoros los casos en los que se aplica para la detección de canceres mediante el diagnóstico de imágenes. En este ámbito, afortunadamente, se esta avanzando mucho y también en muchos otros ámbitos de la medicina y salud no tan conocidos y que tienen un gran impacto en la sociedad.
Para afrontar con una perspectiva más amplia el potencial de la IA en la salud, hay que entender, aunque sea de una forma muy simple, cómo funciona el Machine Learning.
El Machine Learning es la actividad más importante de la IA, y se centra en la interpretación de los datos para luego tomar decisiones. Básicamente, los modelos de Machine Learning buscan correlaciones y patrones en los datos, y aprenden de ellos. Con esta información son capaces de segmentar, detectar anomalías en los patrones, y predecir resultados futuros.
En definitiva, aprenden de un histórico, y ante una nueva información son capaces de interpretarla en función de los patrones que han identificado en los datos sobre los que han aprendido.
Por ejemplo, en la detección de cánceres por diagnóstico de imagen, los modelos interpretan las imágenes como datos, y son capaces de identificar patrones que corresponden con otros casos en los que se identifico un tumor. Siendo capaces de “ver” más allá de lo que pude hacer una persona por muy experimentada que sea. Empresas punteras como IBM o Google han sido grandes impulsoras de estos avances.
El COVID-19 esta acelerando todo tipo de investigaciones científicas, y la IA esta jugando un papel muy relevante. Millones de analíticas de PCR se hacen a diario en todo el mundo, este tipo de analíticas de laboratorio no es algo novedoso, pero si es crítico minimizar los falsos negativos, es decir, aquellos casos en los que se determina por error que el resultado del PCR es negativo en COVID-19. Empresas de Ciencia de Datos como PredictLand, están desarrollando modelos de Machine Learning que han aprendido de históricos de PCR y son capaces de determinar los resultados con unas precisiones que las técnicas tradicionales no consiguen. Sin duda alguna, tener la conclusión de un especialista que esta respaldad por soluciones de IA de este tipo, aportan una rigurosidad y confianza, que son vitales y nada triviales.
Más allá de identificar un “positivo / negativo”, en diagnostico de un cáncer o un PCR, la Inteligencia Artificial esta ayudando a predecir enfermedades neuronales monitorizando, de forma no invasiva, las constantes vitales y comportamientos del paciente. La científica y profesora del Massachusetts Institute of Technology (MIT) Dina Katabi, ha desarrollado una tecnología inalámbrica que detecta y registra las constantes vitales y el movimiento de una persona sin necesidad de llevar encima ningún dispositivo. Con la información que recoge, y mediante técnicas de Machine Learning, detecta anomalías en los patrones de comportamiento y en las constantes vitales, siendo capaz de identificar y predecir ciertas enfermedades físicas y neurológicas.
El gráfico muestra el registro del comportamiento de una persona a lo largo de un mes y durante las 24 horas. Los modelos de Machine Learning analizan estos datos aportando información sumamente relevante para los especialistas que de otro modo no serían capaces de determinar con la misma precisión y capacidad de anticipación.
En definitiva, la Inteligencia Artificial esta impulsando la propuesta de valor de los especialistas, aportando información de gran importancia para la toma de decisiones. Identifica, diagnostica y predice con una capacidad que va más allá de la capacidad humana.
La demanda de soluciones de Inteligencia Artificial esta creciendo a ritmos agigantados, aportando nuevas oportunidades a las empresas y a la sociedad, abriendo la puerta a nuevos perfiles profesionales relacionados con la Ciencia de Datos y la IA en general.
