Una IA de Google logra superar a los radiólogos diagnosticando cáncer de pulmón en las primeras etapas de la enfermedad
¿Qué pasaría si los modelos de aprendizaje profundo pudieran detectar el cáncer en las primeras etapas del mismo con mayor precisión que un radiólogo veterano?
La tasa de supervivencia de los pacientes de cáncer en caso de detección temprana suele ser alta (en la mayoría de los tipos de este mal). Pero, por ejemplo, en los EE.UU no se detecta a tiempo hasta el 80% de los casos de cáncer de pulmón (uno de los más habituales). De ahí la importancia de contar con tecnología que permita adelantar esa detección.
Y ahí es donde entra el deep learning, capaz de replicar (y superar en determinadas circunstancias) capacidades humanas como el reconocimiento de patrones y la interpretación de imágenes, las mismas de las que hacen uso los profesionales de la medicina para 'leer' rayos X o resonancias magnéticas.
Una tecnología que ha sido aprovechada por Google AI y la compañía Northwestern Medicine en una investigación cuyos detalles se publicarán en breve en Nature Medicine.
Una precisión del 94% a la hora de detectar patrones que se resisten al ojo humano
Lily Peng, de Google AI, explica que el obstáculo para detectar este tipo de casos radica en su tamaño:
"es minúsculo y puede ser difícil de ver incluso para los radiólogos
experimentados". Pero las pruebas realizadas a aquellos pacientes que no
tuvieron suerte pueden ayudar ahora a evitar que otros tengan que pasar
por lo mismo.
El equipo de investigadores ha alimentado una red neuronal con miles de imágenes de pruebas médicas (tomografías computerizadas de pacientes con y sin cáncer, o con nódulos que luego se volvieron cancerosos) con el objetivo de que aprenda a detectar los patrones
vinculados a la presencia de un determinado tipo de cáncer cuando éste
aún es demasiado pequeño como para que el ojo humano lo aprecie.
A mayor número de datos, la IA mejora su capacidad de detección. Una
vez que la red social de Google terminó su entrenamiento (tras procesar
42.000 tomografías de 15.000 pacientes distintos), se la usó para
analizar 6.716 casos con diagnósticos conocidos: el resultado fue una precisión del 94%.
En comparación con seis expertos radiólogos que colaboraron con el experimento, la IA mostró un menor porcentaje tanto de falsos positivos como de falsos negativos que los humanos cuando éstos contaban con sólo una tomografía como referencia: al aumentar las referencias, IA y humanos quedaron en tablas.
La versión final del algoritmo de Google, que estará disponible para especialistas de todo el mundo a través de la API de Google Cloud Healthcare, es capaz de establecer un sistema de puntuación en base al riesgo de que el tumor detectado sea o no maligno.
"Tenemos algunos de los mayores equipos del mundo, y tenemos ganas de
empezar a empujar los límites de la ciencia básica", explica Daniel
Tse, director de proyectos en Google y uno de los autores del 'paper'.
- Vía | New York Times
Imagen | Δρ. Χαράλαμπος Γκούβας
No hay comentarios:
Publicar un comentario