Im\u00e1genes de rayos X de pulm\u00f3n, desde la izquierda, de pacientes con COVID-19, normales y con neumon\u00eda viral. Ya hab\u00edamos desarrollado todas estas herramientas para el procesamiento de im\u00e1genes, el aprendizaje autom\u00e1tico y los m\u00e9todos de inteligencia artificial para el c\u00e1ncer, dijo Karen Panetta. Cr\u00e9dito: Karen Panetta <\/p>\n
Para los pacientes con COVID-19, la aterradora dificultad para respirar puede aparecer pr\u00e1cticamente de la noche a la ma\u00f1ana. En muchos casos, es causada por una infecci\u00f3n de neumon\u00eda agresiva en los pulmones, que los llena de l\u00edquido espeso y le roba al cuerpo el ox\u00edgeno que da vida. <\/p>\n
La detecci\u00f3n temprana de estos casos graves es esencial para tratarlos con \u00e9xito. Sin embargo, por el momento, la \u00fanica forma de saber si la neumon\u00eda de un paciente es causada por el coronavirus es mediante el examen de rayos X y tomograf\u00edas computarizadas del t\u00f3rax y, a medida que los casos se acumulan en todo el mundo, los radi\u00f3logos reciben una avalancha de im\u00e1genes, lo que crea un retraso que puede retrasar las decisiones cr\u00edticas sobre la atenci\u00f3n.<\/p>\n
Una soluci\u00f3n, dijo Karen Panetta, puede implicar quitarle parte de esa carga de trabajo a los humanos. Panetta, profesor de ingenier\u00eda el\u00e9ctrica e inform\u00e1tica en la Escuela de Ingenier\u00eda, est\u00e1 trabajando para crear inteligencia artificial (IA) que pueda detectar casos de neumon\u00eda por COVID-19 y marcarlos para su revisi\u00f3n.<\/p>\n
Uso de rayos X y tomograf\u00edas computarizadas de una base de datos internacional de COVID-19, su laboratorio est\u00e1 entrenando un software de inteligencia artificial para analizar miles de im\u00e1genes y hacer coincidir aquellas que comparten rasgos similares. Al comparar las radiograf\u00edas de la neumon\u00eda causada por infecciones bacterianas, el tabaquismo cr\u00f3nico y el COVID-19, dice, la IA puede aprender gradualmente a identificar las caracter\u00edsticas \u00fanicas de cada uno, ya sea una forma particular, un \u00e1rea de contraste u otro rasgo. Una vez que el software encuentra coincidencias potenciales, utiliza an\u00e1lisis estad\u00edsticos para clasificar los casos de COVID de los que no son de COVID.<\/p>\n
\u00abPi\u00e9nselo de esta manera: si est\u00e1 viendo f\u00fatbol y ha visto la misma jugada corre 50 veces, sabes lo que har\u00e1 cada jugador si su equipo lo vuelve a correr\u00bb, dijo Panetta, quien tambi\u00e9n es decano de educaci\u00f3n de posgrado en la Escuela de Ingenier\u00eda. \u00abPero si llega un chico nuevo y no lo has visto antes, \u00bfc\u00f3mo vas a predecir lo que har\u00e1? Mirar\u00e1s hacia atr\u00e1s en las \u00faltimas 50 veces que viste la misma jugada y har\u00e1s una conjetura basada en en su experiencia. Nuestro software b\u00e1sicamente est\u00e1 haciendo lo mismo con estas im\u00e1genes\u00bb.<\/p>\n
El trabajo COVID-19 de Panetta se basa en la investigaci\u00f3n que su laboratorio ya ha estado haciendo para detectar tumores cancerosos. En el c\u00e1ncer de mama, se\u00f1ala, su software de inteligencia artificial analiza los n\u00facleos de las c\u00e9lulas individuales en una muestra de biopsia y busca patrones distintos que coincidan con los casos conocidos.<\/p>\n
Las muestras libres de c\u00e1ncer tienden a tener n\u00facleos ordenados contenidos en una estructura ovalada, pero si el c\u00e1ncer progresa, esos patrones tienden a romperse. Usando IA y aprendizaje autom\u00e1tico, es posible entrenar la IA para detectar nuevos casos de c\u00e1ncer de forma aut\u00f3noma en funci\u00f3n de esos rasgos.<\/p>\n
\u00abYa hab\u00edamos desarrollado todas estas herramientas para el procesamiento de im\u00e1genes, el aprendizaje autom\u00e1tico y los m\u00e9todos de IA para el c\u00e1ncer , por lo que COVID-19 fue solo una aplicaci\u00f3n m\u00e1s oportuna de la misma tecnolog\u00eda\u00bb, dijo. \u00abSolo estamos ajustando el software para un caso de uso diferente\u00bb.<\/p>\n
Los resultados ya son prometedores. Hasta ahora, el software de su laboratorio ha logrado identificar la neumon\u00eda por COVID-19 en m\u00e1s del 99 % de las im\u00e1genes que procesa.<\/p>\n
Sin embargo, llegar a ese punto no ha sido tan simple. Las herramientas de aprendizaje autom\u00e1tico que utiliza para entrenar el software son tan buenas como los datos que reciben y, si bien los humanos pueden ignorar f\u00e1cilmente las imperfecciones leves en una imagen, esos mismos fallos pueden hacer tropezar incluso a la mejor m\u00e1quina.<\/p>\n
En algunas de las im\u00e1genes de la base de datos de COVID-19, se\u00f1al\u00f3, aparecen grandes rect\u00e1ngulos negros donde la informaci\u00f3n personal del paciente ha sido bloqueada por anonimato. En otros, los t\u00e9cnicos han subexpuesto los rayos X, lo que hace que toda la imagen est\u00e9 ligeramente nublada, o han superpuesto los rayos X y las tomograf\u00edas computarizadas, creando una imagen h\u00edbrida confusa.<\/p>\n
\u00abLos rayos X y las tomograf\u00edas computarizadas no son t siempre en perfectas condiciones. Requieren una gran cantidad de mejoras y preprocesamiento para limpiar esas imperfecciones para que est\u00e9n en pie de igualdad \u00ab, dice ella. La IA tambi\u00e9n tiene que ser lo suficientemente inteligente como para no diagnosticar mal una imagen porque detecta una anomal\u00eda.<\/p>\n
\u00abTodo el mundo piensa que la IA es una caja negra m\u00e1gica, pero no es Zoltar\u00bb, dijo Panetta, refiri\u00e9ndose al omnisciente m\u00e1quina de adivinaci\u00f3n de la pel\u00edcula de Tom Hanks, Big. \u00abHay que modificarlo constantemente para mejorarlo\u00bb.<\/p>\n
Otra complicaci\u00f3n, agreg\u00f3, es que si bien la IA puede identificar im\u00e1genes que se parecen a otros casos de neumon\u00eda por COVID, no puede decir exactamente por qu\u00e9 esas im\u00e1genes cumplen los criterios desde un punto de vista m\u00e9dico. Para llenar esos vac\u00edos, Panetta busca asociarse con radi\u00f3logos experimentados en Tufts y desea agregar anotaciones m\u00e9dicas y contexto a cada imagen.<\/p>\n
Incluso si ese software de IA mejorado no est\u00e1 disponible para los m\u00e9dicos durante la pandemia actual, que muy bien puede no serlo, ya que la aprobaci\u00f3n de la FDA puede llevar a\u00f1os. Panetta espera que a\u00fan pueda usarse en el futuro para educar al personal m\u00e9dico. Si ocurre otro brote en el futuro, razona, los hospitales necesitar\u00e1n toda la capacitaci\u00f3n que puedan obtener.<\/p>\n
\u00abEn este momento, incluso los m\u00e9dicos en primera l\u00ednea probablemente solo hayan visto unos pocos cientos de casos de COVID-19 neumon\u00eda, pero hay cientos de miles de casos en todo el mundo\u00bb, dijo. \u00abSi podemos agregar todos esos datos en un solo lugar con im\u00e1genes, s\u00edntomas e informaci\u00f3n del paciente, puede ser posible usar IA para estudiar la enfermedad de manera m\u00e1s efectiva\u00bb, dijo.<\/p>\n
Eso podr\u00eda ayudar a identificar el patrones que todos los casos comparten. \u00abPara los m\u00e9dicos que nunca han visto a un paciente con COVID-19\u00bb, dijo Panetta, \u00abpodr\u00eda generar un portafolio que les diga qu\u00e9 buscar\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) Proporcionado por la Universidad de Tufts Cita<\/strong>: Uso de inteligencia artificial para diagnosticar COVID-19 (20 de mayo de 2020) recuperado 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-05-artificial-intelligence-covid-.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Im\u00e1genes de rayos X de pulm\u00f3n, desde la izquierda, de pacientes con COVID-19, normales y con neumon\u00eda viral. Ya hab\u00edamos desarrollado todas estas herramientas para el procesamiento de im\u00e1genes, el aprendizaje autom\u00e1tico y los m\u00e9todos de inteligencia artificial para el c\u00e1ncer, dijo Karen Panetta. Cr\u00e9dito: Karen Panetta Para los pacientes con COVID-19, la aterradora dificultad … Continuar leyendo \u00abUso de inteligencia artificial para diagnosticar COVID-19\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-26510","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26510","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=26510"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/26510\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=26510"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=26510"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=26510"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}