.

Jeremy Portje

Computación

La IA puede hacer el trabajo técnico de los médicos, pero no el humano

1

Para Google Cloud, el diagnóstico por imagen es una de las áreas médicas con más probabilidades de automatizarse, pero los radiólogos hacen más cosas en su día a día, como analizar el contexto del paciente y comunicarle el diagnóstico, algo que las máquinas aún no saben hacer

  • por Will Knight | traducido por Mariana Díaz
  • 06 Abril, 2018

Parece que, con toda seguridad, la inteligencia artificial (IA) está a punto de revolucionar la medicina (ver Esta máquina que detecta arritmias mejor que el médicoChina se aferra a la IA para suplir su escasez de médicos). Pero una nueva investigación de Google Cloud indica que esta transformación va a ser más complicada de lo que la gente sospecha (ver Puede que Watson revolucione la salud, pero no tan pronto como dice IBM).

La información se desprende de la charla que la directora de la investigación y el desarrollo de Google Cloud, Jia Li, dio en la conferencia EmTech Digital organizada por MIT Technology Review la semana pasada en EE. UU. La responsable reveló nuevas investigaciones sobre la aplicación de la IA al diagnóstico por imagen de la radiología.

El trabajo, descrito en un documento publicado online, muestra que el aprendizaje automático podría ayudar a identificar enfermedades en un entorno clínico real, donde los datos son escasos y los médicos necesitan justificar sus diagnósticos. Algunos expertos en IA afirman que hay áreas enteras de trabajo médico, como el análisis de imágenes radiológicas, que podrían automatizarse por completo gracias a la inteligencia artificial (ver Una IA derrota a los mejores médicos en el diagnóstico de la retinopatía diabética y 30.000 millones de imágenes médicas enseñarán a Watson a detectar melanomas).

Li y sus compañeros utilizaron el aprendizaje profundo para identificar anomalías en las radiografías de tórax. Debido a que solo disponían de un pequeño conjunto de datos para entrenar al algoritmo, usaron otro conjunto de datos para iniciar el proceso de aprendizaje. También se aseguraron de que resaltar las zonas críticas de una de una imagen que sirven para diagnosticar una anormalidad. Esto es importante porque el aprendizaje profundo es tan matemáticamente complejo que su proceso de toma de decisiones acaba siendo un misterio (ver El secreto más oscuro de la inteligencia artificial: ¿por qué hace lo que hace?).

Li, quien trabaja con expertos médicos de la Universidad de Stanford (EE. UU.), también reconoce que la IA solo puede automatizar una pequeña parte del trabajo de los radiólogos. Estos profesionales deben entender el historial específico de cada paciente, comunicarle diagnóstico y determinar el tratamiento adecuado. Así que cree que estos profesionales serán clave a la hora de desarrollar sistemas precisos y efectivos del aprendizaje automático.

Así que Li cree que, en un futuro cercano, los médicos no van a ser reemplazados por la IA. La experta afirmó: "Podemos ayudar a [los médicos] a hacer mejores valoraciones y aumentar la eficiencia del proceso".

Se trata de un trabajo importante porque resalta y busca abordar desafíos clave en la aplicación de la IA a situaciones médicas del mundo real. La mayoría de las demostraciones de IA aplicada a la medicina han requerido grandes conjuntos de datos perfectamente etiquetados y no han tenido en cuenta el contexto más amplio.

La investigación también sugiere que la medicina puede ser un foco importante para la plataforma en la nube de Google. El gigante o otros grandes actores tecnológicos creen que ofrecer servicios de inteligencia artificial en la nube es una macrotendencia en auge que generará muchos ingresos en el sector de la informática (ver IA en la nube, la próxima nueva tecnología más lucrativa de la historia). De hecho, la IA en la nube ha sido una de las 10 Tecnologías Emergentes de la lista anual de 2018 de MIT Technology Review.

Para ellos, esta tecnología representa una forma de "democratizar la IA", ya que la acerca a quienes no tienen formación en IA. "Afortunadamente, los expertos dedicarán menos tiempo a las tareas repetitivas", concluyó Li.

Computación

Las máquinas cada vez más potentes están acelerando los avances científicos, los negocios y la vida.

  1. El cerebro procesa las palabras que más usa de forma distinta al resto

    Los patrones de frecuencia de 50 idiomas demuestran que el lenguaje depende de un proceso dual. Los términos más frecuentes se procesan instintivamente mientras que los menos usados requieren un pensamiento racional. El hallazgo podría ser clave para el procesamiento del lenguaje natural

  2. Aislar el protocolo de consenso podría revolucionar 'blockchain'

    Las grandes debilidades de los contratos inteligentes en cadenas de bloques, como su falta de confidencialidad y sus limitaciones de ejecución, podrían solucionarse con este enfoque de la 'start-up' Oasis Lab, cuya idea ya ha recaudado casi 40 millones de euros en inversiones

  3. La computación a exaescala busca máquinas pero también aplicaciones

    Mientras los ordenadores cuánticos funcionales siguen intentando despegar, los países compiten en el terreno de la supercomputación. Los primeros superordenadores a exaescala podrían llegar en 2021, pero también hacen falta programas especializados para que sean realmente útiles