El nuevo modelo de IA aprende de miles de posibilidades para sugerir diagnósticos y pruebas médicas
Crédito: CC0 Public Domain
La IA se ha aplicado, durante algún tiempo, para diagnosticar condiciones médicas en campos específicos. Puede basarse en el conocimiento de disciplinas particulares para perfeccionar detalles como la forma de un tumor que sugiere cáncer de mama o células anormales que indican cáncer de cuello uterino. Si bien la IA es muy buena cuando se entrena con años de datos humanos en dominios específicos, no ha podido lidiar con la gran cantidad de pruebas de diagnóstico (alrededor de 5000) y trastornos (alrededor de 14 000) de la práctica clínica moderna. Ahora, un nuevo algoritmo desarrollado por ingenieros de la Escuela de Ingeniería Viterbi de la USC puede pensar y aprender como un médico pero con una experiencia esencialmente infinita.
El trabajo surge del laboratorio de Gerald Loeb, profesor de ingeniería biomédica, farmacia y neurología en la Escuela de Ingeniería Viterbi de la USC y médico capacitado. Loeb pasó años aplicando algoritmos de IA a los hápticos y construyendo robots para detectar e identificar materiales y objetos. Su investigación previa sobre esto superó el estado del arte. Si bien el estado de la IA para la háptica era identificar alrededor de 10 objetos con un 80 % de precisión, Loeb y Jeremy Fishel, su estudiante de posgrado en ese momento, pudieron identificar 117 objetos con un 95 % de precisión. Cuando lo ampliaron a 500 objetos y 15 posibles pruebas diferentes, su algoritmo se volvió aún más rápido y preciso. Fue entonces, dice Loeb, cuando comenzó a pensar en adaptarlo para el diagnóstico médico.
La nueva forma de IA de Loeb sugiere las mejores estrategias de diagnóstico mediante la extracción de registros médicos electrónicos en bases de datos. Esto podría conducir a diagnósticos y tratamientos más rápidos, mejores y más eficientes. El trabajo fue publicado en el Journal of Biomedical Informatics.
El algoritmo funciona como un médico: «pensar en qué hacer a continuación en cada etapa del proceso médico», dijo Loeb, un pionero en el campo de las prótesis neurales y uno de los desarrolladores originales del implante coclear, ahora ampliamente utilizado para tratar la pérdida auditiva. «La diferencia es que tiene el beneficio de todas las experiencias en los registros sanitarios colectivos».
Cómo funciona
La IA convencional ha utilizado durante mucho tiempo un algoritmo específico para sugerir a los médicos la diagnósticos más probables dado un conjunto de observaciones. Llamada inferencia bayesiana, utiliza cualquier información disponible actualmente para sugerir qué diagnósticos son los más probables.
El algoritmo de Loeb invierte este proceso y, en su lugar, busca aquellas pruebas que probablemente identificarían la enfermedad o condición correcta, sin importar que oscuro Él llama a esto Exploración Bayesiana. El algoritmo también puede tener en cuenta los costos y los retrasos asociados con varias pruebas de diagnóstico.
«Esto no se ha hecho antes», dijo. «Esto es nuevo».
Loeb dijo que su nuevo algoritmo tiene varios beneficios. Primero, este algoritmo podría ayudar a los médicos a tomar mejores decisiones de diagnóstico y pruebas al sugerir varias buenas opciones, incluidas algunas que un médico podría no haber considerado de otro modo. . A continuación, el software de diagnóstico se actualizaría y mejoraría automáticamente, ya que innumerables médicos ingresarían datos adicionales en los registros médicos electrónicos.
Además, Loeb cree que los médicos generarían registros médicos completos y precisos más fácilmente. En lugar de tener que buscar códigos o abrirse camino a través de muchos menús desplegables, podrían simplemente seleccionar una enfermedad en particular o un procedimiento de diagnóstico sugerido por la IA, que ingresaría automáticamente la información correcta en los registros electrónicos.
Loeb enfatiza que los médicos podrían, por supuesto, anular la IA e ir con su propio criterio.
«El algoritmo no está diseñado para tomar decisiones por los médicos o reemplazarlos», dijo Loeb. «Está destinado a complementarlos y apoyarlos».
Mirando hacia el futuro
Loeb cree que este algoritmo podría revolucionar los diagnósticos médicos y de pruebas. Pero el profesor de la USC Viterbi and Keck School of Medicine reconoce los enormes desafíos financieros y tecnológicos de aplicar la IA a los registros médicos electrónicos. El sistema médico balcanizado de los Estados Unidos y el uso irregular de registros médicos electrónicos que él cree hacen que sea un entorno inhóspito para que su tecnología eche raíces.
Loeb dice que su sistema sería mucho más fácil de introducir en otros países, por ejemplo en Escandinavia o en Corea del Sur, lugares con atención médica nacionalizada y el uso generalizado de registros médicos electrónicos. Sin embargo, su implementación enfrentaría grandes desafíos incluso allí, incluidos los grandes gastos y la capacidad intelectual necesaria para desarrollar e implementar la base de datos masiva y las interfaces de usuario para la adopción e integración generalizadas de su algoritmo.
En cambio, Loeb pone su fe en la tecnología. Él cree que Amazon, Microsoft y Google tienen los recursos y el conocimiento para alterar la atención médica estadounidense de la misma manera que Uber y Lyft revolucionaron la industria de los taxis.
«Si la promesa de éxito es lo suficientemente grande, entonces la gente va estar motivado para hacerlo», dijo Loeb. «Y eso es lo que creemos que ofrece este algoritmo: la posibilidad, la promesa de ofrecer una solución a un gran problema que desperdicia muchos recursos, billones de dólares».
Explore más
El procesamiento del lenguaje natural ayuda a identificar a los pacientes con tos crónica Más información: Gerald E. Loeb. Un nuevo enfoque para el apoyo a las decisiones de diagnóstico médico, Journal of Biomedical Informatics (2021). DOI: 10.1016/j.jbi.2021.103723 Proporcionado por la Universidad del Sur de California Cita: El nuevo modelo de IA aprende de miles de posibilidades para sugerir diagnósticos y pruebas médicas (16 de marzo de 2021) consultado el 30 de agosto de 2022 en https ://medicalxpress.com/news/2021-03-ai-thousands-possibilities-medical.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.