Categorías: Tecnología

Inteligencia artificial puede saber su sexo con solo mirar sus ojos, pero nadie sabe cómo lo consigue

Comparta este Artículo en:

Un algoritmo de ‘deep learning’ puede predecir el sexo de alguien en una foto del fondo del ojo. Sin embargo, los científicos no saben cómo hacerlo.

Se ha logrado predecir el sexo de una persona, simplemente analizando la retina en una foto del fondo de su ojo.

Podría parecer una banalidad si no fuese porque, a día de hoy, no se sabe cuáles son las características que diferencian la retina de hombres y mujeres.

Esto no tiene una gran implicación clínica, pero sí que es un clarísimo ejemplo de lo que el deep learning puede llegar a conseguir.

Para lograrlo se entrenó un algoritmo de aprendizaje profundo (deep learning) con 84.743 fotos del fondo de ojo procedentes del Biobanco de Reino Unido.

Además, se realizó una validación externa con otras 252 imágenes de un centro de referencia oftalmológico.

Tanto con la validación interna como con la externa los resultados fueron muy buenos.

La máquina logró captar cuáles son esos factores desconocidos que ayudan a diferenciar los ojos de hombres y mujeres.

Solo hubo algunos problemas para que la inteligencia artificial distinguiera los sexos si la imagen del ojo pertenecía a alguien con patología foveal.

No obstante, hasta con esta pequeña limitación, se demuestra que el deep learning puede llegar incluso más lejos que la compleja mente racional de los seres humanos.

Esto tiene múltiples aplicaciones e implicaciones; pero, centrándonos en la salud del ojo, sin duda es algo muy positivo.

Fisiológicamente existen muchas diferencias entre personas con sexo biológico masculino o femenino.

Algunas son intrascendentes, mientras que otras deben tenerse muy en cuenta tanto para el diagnóstico de enfermedades como para la decisión de cuáles son los mejores tratamientos.

Por ejemplo, a la hora de elegir la dosis de un fármaco, es importante tener en cuenta que puede que hombres y mujeres no toleren la misma cantidad.

En el caso de los ojos también hay diferencias.

De hecho, las hormonas sexuales juegan un papel fundamental en mecanismos como la hidratación y circulación del ojo.

Además, el desarrollo de enfermedades como el glaucoma, las cataratas o la uveítis también puede estar influenciado por el sexo biológico.

Todas estas diferencias están cada vez más claras.

Sin embargo, no se conocen diferencias puramente anatómicas, que permitan distinguir si una foto del fondo de ojo pertenece a un hombre o a una mujer.

Al menos, no las conocen los seres humanos.

Para una inteligencia artificial puede ser un asunto más sencillo.

Basta con entrenar un algoritmo de deep learning para que, a base de recopilar imágenes, este pueda encontrar esos puntos diferenciales.

Y eso es algo que ya se ha conseguido.

La retina es el único tejido en el que se pueden visualizar a la vez y de forma no invasiva tanto el tejido neural como el vascular.

Esto permite detectar multitud de patologías de ambos tipos, solo con el análisis de imágenes del fondo del ojo.

Por ejemplo, la tortuosidad vascular y el estrechamiento arterial permiten detectar posibles enfermedades cardiovasculares.

En cambio, las alteraciones en la capa de células de la retina ayudan a diagnosticar trastornos neurológicos.

Por todo esto, se han realizado multitud de estudios dirigidos a la capacitación de algoritmos de inteligencia artificial capaces de analizar exhaustivamente las fotos del fondo del ojo.

Uno de los estudios más completos al respecto se llevó a cabo en 2018.

Entonces, un equipo de científicos procedentes de Google y la Escuela de Medicina de Stanford lograron desarrollar un algoritmo que usaba el deep learning para predecir factores de riesgo cardiovascular en fotografías del fondo del ojo.

En su día, no solo llamaron la atención sus resultados referentes a la predicción de enfermedades.

También sorprendió a la comunidad científica que el algoritmo era capaz de discernir entre hombres y mujeres.

Y eso es algo que los científicos no saben hacer.

Por eso, otro equipo de investigadores llevó a cabo esa nueva capacitación de deep learning con más de 80.000 imágenes del Biobanco de Reino Unido.

Consiguieron replicar lo mismo que en 2018, por lo que no parecía una simple casualidad.

Estaban ante una nueva aplicación de la inteligencia artificial.

Pero no precisamente porque sea útil diferenciar la retina de los hombres de la de las mujeres.

Al fin y al cabo, cuando los médicos reciben una foto tienen todo el historial del paciente, incluyendo información sobre su sexo.

Lo que demuestra este estudio va más allá de todo eso.

Y es que así se muestra que el deep learning tiene por delante un gran futuro, en el que podrían sacar a la luz nuevos biomarcadores asociados a enfermedades del ojo.

Esto no quiere decir que los oftalmólogos vayan a dejar de ser necesarios.

De hecho, son ellos, con sus conocimientos, quienes deben orientar a la inteligencia artificial sobre qué debe buscar.

Fuente: Nature

Editor PDM

Entradas recientes

Mano robótica capaz de manipular objetos

Recientemente, Sanctuary AI presentó su mano robótica que ahora es capaz de manipular objetos. (more…)

3 days hace

Robots atraviesan entornos complejos sin sensores adicionales ni entrenamiento previo en terrenos difíciles

Especialistas en robótica de la Universidad de Leeds y el University College de Londres han…

3 days hace

Rompiendo barreras: IA para interpretar el lenguaje de señas americano en tiempo real

El lenguaje de señas es un medio de comunicación sofisticado y vital para las personas…

3 days hace

Dispositivo ayuda a personas con discapacidad visual a realizar tareas de localización tan bien como las personas videntes

Según un nuevo estudio dirigido por el Imperial College, una tecnología de navegación que utiliza…

3 days hace

Google lanza una versión de Gemini 2.0 capaz de razonar

Gemini 2.0 Flash Thinking Experimental es una nueva versión de la IA de Google que…

3 days hace

El siguiente paso de la computación cuántica: un nuevo algoritmo potencia la multitarea

Las computadoras cuánticas difieren fundamentalmente de las clásicas. En lugar de utilizar bits (0 y…

4 days hace
Click to listen highlighted text!