Inteligencia artificial ya reconoce 50 enfermedades oculares con asombrosa precisión

Un estudio realizado en conjunto con un hospital británico arroja unos datos esperanzadores para el futuro de la medicina.

DeepMind es la compañía de inteligencia artificial propiedad de Google que, desde 2014 y bajo el amparo de la gigante tecnológica, ha ido realizando diferentes progresos que pavimentan el camino para lo que llegará en los años venideros.

La última muestra la posibilidad de detectar hasta 50 enfermedades y problemas oculares y realizar un diagnóstico con una fiabilidad de acierto tan alta como cualquier profesional del campo.

Así lo han demostrado en unas pruebas preliminares realizadas en el londinense Moorfields Eye Hospital, donde se ha podido comprobar que la inteligencia artificial desarrollada es capaz de identificar los problemas oculares de los pacientes en las inspecciones rutinarias, pudiendo derivarles también al tratamiento concreto que necesitarían.

Esto, según señalan desde DeepMind, puede suponer un ahorro de tiempo a los profesionales que tienen que realizar exámenes pormenorizados cada día, permitiendo que las listas de espera no se prolonguen más de lo necesario.

El tiempo que lleva analizar estos escaneos, combinado con la cantidad de ellos que los profesionales deben realizar (más de 1,000 al día solo en Moorfields), pueden ocasionar demoras prolongadas entre el escaneo y el tratamiento, incluso cuando alguien necesita atención urgente.

Si desarrollan un problema repentino, como una hemorragia en la parte posterior del ojo, estos retrasos pueden incluso costarles la vista a los pacientes.

“El sistema que hemos desarrollado busca abordar este desafío.

No solo puede detectar automáticamente las características de las enfermedades oculares en segundos, sino que también puede priorizar a los pacientes que más necesitan atención urgente recomendando si deben derivarse para recibir tratamiento.

Este proceso de triangulación instantáneo debería reducir drásticamente el tiempo transcurrido entre el escaneo y el tratamiento, ayudando a los que padecen la enfermedad ocular diabética y la degeneración macular relacionada con la edad a evitar perder la vista”.

El sistema de DeepMind usa dos ‘redes’ separadas para abordar el problema.

La primera, llamada red de segmentación, convierte la exploración OCT en bruto en un mapa de tejidos tridimensionales con segmentos de color claramente definidos.

“Ese mapa no solo describe las capas del ojo, sino también si hay enfermedad en el ojo y dónde está esa enfermedad”, dijo Alan Karthikesalingam, científico clínico senior de Google DeepMind.

La red fue entrenada para hacer esto con un conjunto de datos que contenía 877 escaneos de OCT segmentados manualmente por oftalmólogos capacitados.

Una segunda red de “clasificación” analiza el mapa de tejidos tridimensionales y toma decisiones sobre cuáles podrían ser las enfermedades y qué tan urgentes son para la referencia y el tratamiento.

Fue entrenada en 14,884 mapas de tejidos producidos por la red de segmentación y revisados ​​por un oftalmólogo y optometrista capacitados.
TMJ-Originated headaches or facial and jaw pain can happen because of one or more of the reasons for ED in young males. cheap viagra 25mg Online stores also safeguard your privacy apart from offering greater convenience, buying generic drugs online offers great savings compared to purchasing branded drugs such as generic sildenafil uk for treating your ED issue, do have a word with your spelevitrat and examine every one of the advantages and disadvantages of Finasteride before deciding whether to make use of it or not. The outcomes are difficulty while maintaining maintain a brand viagra australia firm erection, which is now believed to be an early symptom of high cholesterol. Are you getting look at this pharmacy viagra 50 mg the solution properly? If you have any problem with erectile dysfunction, but simply want to add a little ‘oomph’ to their game, there could be serious consequences.
El proceso de dos etapas es inusual.

Un sistema de IA convencional comenzaría con el escáner de retina original e iría directamente al diagnóstico final.

DeepMind desarrolló su herramienta de esta manera para que los médicos puedan verificar el mapa de tejidos y ver cómo la IA llegó a su conclusión final.

“Te preguntarás, ‘¿por qué el sistema pensó que hay edema macular, lo que significa líquido en el ojo?'”, Explicó Karthikesalingam.

“Y se podría mirar hacia atrás en ese mapa de tejido interpretable y decir ‘Oh, veo, está resaltando algo de fluido aquí’, y eso sería, creemos, potencialmente útil”.

Ese desglose promueve la confianza y brinda a los profesionales del cuidado ocular la información necesaria para debatir casos complejos con múltiples opciones de tratamiento.

La separación también asegura que el sistema se puede usar con cualquier tipo de escáner OCT.

A menudo, un ligero cambio en el hardware producirá exploraciones de OCT que se desvían un poco del conjunto de datos en el que se entrenó originalmente la IA.

Esto puede ser suficiente para romper el sistema y requerir cientos, si no miles de nuevas imágenes de entrenamiento para volver a ser efectivo.

Desde DeepMind aseguran que el objetivo es una aplicación real de su software en un futuro cercano, teniendo planes para buscar la aprobación del Gobierno británico para poder implantarlo a lo largo y ancho del país.

Aseguran también que los profesionales serán siempre necesarios en el uso de esta herramienta, teniendo ellos la última palabra sobre el tratamiento a implementar para un paciente concreto.

La intención inicial es comenzar una fase de prueba con los centros que así lo quieran, una vez aprobado el sistema, en la que se proveerá a estos del software de manera gratuita durante los cinco primeros años.

Este periodo serviría también al software para refinar sus procesos y serviría de entrenamiento del mismo para mejorar la calidad de la detección y la fiabilidad de los diagnósticos.

De terminar siendo aplicada de manera amplia y efectiva, sería un paso de gigante para DeepMind y Google, puesto que supondría el primer uso real en medicina de una de sus tecnologías de inteligencia artificial y machine learning.

Fuentes: Hipertextual, Engadget