Esta serie muestra las cuatro etapas diferentes del mismo escaneo ocular descrito en este art\u00edculo. De izquierda a derecha: la imagen original; con aspectos destacados de anomal\u00edas por parte de expertos humanos; con aspectos destacados de anomal\u00edas por un escaneo por un sistema AI; con aspectos destacados de anomal\u00edas realizadas por una serie iterativa de escaneos por un sistema de IA. Tenga en cuenta que el proceso iterativo produce una visi\u00f3n general m\u00e1s completa de las anomal\u00edas presentes que la evaluaci\u00f3n \u00fanica. Cr\u00e9dito: Cristina Gonzlez-Gonzalo <\/p>\n
La inteligencia artificial (IA) es una innovaci\u00f3n importante en el diagn\u00f3stico, porque puede aprender r\u00e1pidamente a reconocer anomal\u00edas que un m\u00e9dico tambi\u00e9n etiquetar\u00eda como una enfermedad. Pero la forma en que funcionan estos sistemas a menudo es opaca, y los m\u00e9dicos tienen una mejor \u00abimagen general\u00bb cuando hacen el diagn\u00f3stico. En una nueva publicaci\u00f3n, los investigadores de Radboudumc muestran c\u00f3mo pueden hacer que la IA muestre c\u00f3mo funciona, adem\u00e1s de permitirle diagnosticar m\u00e1s como un m\u00e9dico, lo que hace que los sistemas de IA sean m\u00e1s relevantes para la pr\u00e1ctica cl\u00ednica. <\/p>\n
M\u00e9dico vs IA<\/p>\n
En los \u00faltimos a\u00f1os, la inteligencia artificial ha ido en aumento en el diagn\u00f3stico de im\u00e1genes m\u00e9dicas. Un m\u00e9dico puede observar una radiograf\u00eda o una biopsia para identificar anomal\u00edas, pero esto tambi\u00e9n puede hacerse cada vez m\u00e1s mediante un sistema de inteligencia artificial mediante el \u00abaprendizaje profundo\u00bb. Dicho sistema aprende a llegar a un diagn\u00f3stico por s\u00ed mismo y, en algunos casos, lo hace tan bien o mejor que los m\u00e9dicos experimentados.<\/p>\n
Las dos diferencias principales en comparaci\u00f3n con un m\u00e9dico humano son, en primer lugar, que La IA a menudo no es transparente en la forma en que analiza las im\u00e1genes y, en segundo lugar, estos sistemas son bastante ‘perezosos’. AI analiza lo que se necesita para un diagn\u00f3stico en particular y luego se detiene. Esto significa que una exploraci\u00f3n no siempre identifica todas las anomal\u00edas, incluso si el diagn\u00f3stico es correcto. Un m\u00e9dico, especialmente cuando considera el plan de tratamiento, mira el panorama general: \u00bfQu\u00e9 veo? \u00bfQu\u00e9 anomal\u00edas deben eliminarse o tratarse durante la cirug\u00eda?<\/p>\n
IA m\u00e1s como el m\u00e9dico<\/p>\n
Para hacer que los sistemas de IA sean m\u00e1s atractivos para la pr\u00e1ctica cl\u00ednica, Cristina Gonzlez Gonzalo, Ph.D. candidato en el Grupo de An\u00e1lisis de Imagen de Diagn\u00f3stico e Investigaci\u00f3n A-eye de Radboudumc, desarroll\u00f3 una innovaci\u00f3n de dos caras para el diagn\u00f3stico de IA. Lo hizo bas\u00e1ndose en esc\u00e1neres oculares, en los que se produjeron anomal\u00edas de la retina, espec\u00edficamente retinopat\u00eda diab\u00e9tica y degeneraci\u00f3n macular relacionada con la edad. Estas anomal\u00edas pueden ser reconocidas f\u00e1cilmente tanto por un m\u00e9dico como por una IA. Pero tambi\u00e9n son anomal\u00edas que suelen darse en grupos. Una IA cl\u00e1sica diagnosticar\u00eda uno o varios puntos y detendr\u00eda el an\u00e1lisis. Sin embargo, en el proceso desarrollado por Gonz\u00e1lez Gonzalo, la IA recorre la imagen una y otra vez, aprendiendo a ignorar los lugares por los que ya ha pasado, y as\u00ed descubre otros nuevos. Adem\u00e1s, la IA tambi\u00e9n muestra qu\u00e9 \u00e1reas del escaneo del ojo consider\u00f3 sospechosas, lo que hace que el proceso de diagn\u00f3stico sea transparente.<\/p>\n
Un proceso iterativo<\/p>\n
Una IA b\u00e1sica podr\u00eda generar un diagn\u00f3stico basado en en una evaluaci\u00f3n del esc\u00e1ner ocular, y gracias al primer aporte de Gonz\u00e1lez Gonzalo, puede mostrar c\u00f3mo se lleg\u00f3 a ese diagn\u00f3stico. Esta explicaci\u00f3n visual muestra que el sistema est\u00e1 deteniendo el an\u00e1lisis despu\u00e9s de haber obtenido la informaci\u00f3n suficiente para hacer un diagn\u00f3stico. Es por eso que tambi\u00e9n hizo que el proceso fuera iterativo de una manera innovadora, lo que oblig\u00f3 a la IA a buscar m\u00e1s y crear una \u00abimagen m\u00e1s completa\u00bb que tendr\u00edan los radi\u00f3logos.<\/p>\n
\u00bfC\u00f3mo aprendi\u00f3 el sistema a mirar lo mismo? exploraci\u00f3n del ojo con ‘ojos frescos’? El sistema ignor\u00f3 las partes familiares al completar digitalmente las anomal\u00edas ya encontradas utilizando tejido sano alrededor de la anomal\u00eda. Los resultados de todas las rondas de evaluaci\u00f3n luego se suman y eso produce el diagn\u00f3stico final. En el estudio, este enfoque mejor\u00f3 la sensibilidad de detecci\u00f3n de la retinopat\u00eda diab\u00e9tica y la degeneraci\u00f3n macular relacionada con la edad en un 11,2+\/-2,0 % por imagen. Lo que este proyecto demuestra es que es posible tener un sistema de IA que eval\u00fae las im\u00e1genes m\u00e1s como un m\u00e9dico, as\u00ed como tambi\u00e9n hacer transparente c\u00f3mo lo est\u00e1 haciendo. Esto podr\u00eda ayudar a que estos sistemas sean m\u00e1s confiables y, por lo tanto, que los radi\u00f3logos los adopten. <\/p>\n
Explore m\u00e1s<\/p>\n
Detecci\u00f3n de retina en diabetes: diagn\u00f3stico por robot M\u00e1s informaci\u00f3n:<\/strong> Cristina Gonzalez-Gonzalo et al, Aumento iterativo de evidencia visual para la localizaci\u00f3n de lesiones con supervisi\u00f3n d\u00e9bil en marcos de interpretaci\u00f3n profundos: aplicaci\u00f3n para colorear im\u00e1genes de fondo de ojo, IEEE Transactions on Medical Imaging (2020). DOI: 10.1109\/TMI.2020.2994463 Proporcionado por la Universidad de Radboud Cita<\/strong>: Hacia un diagn\u00f3stico de IA como el del m\u00e9dico (24 de junio de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020- 06-ai-diagnosis-doctor.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":" Esta serie muestra las cuatro etapas diferentes del mismo escaneo ocular descrito en este art\u00edculo. De izquierda a derecha: la imagen original; con aspectos destacados de anomal\u00edas por parte de expertos humanos; con aspectos destacados de anomal\u00edas por un escaneo por un sistema AI; con aspectos destacados de anomal\u00edas realizadas por una serie iterativa de … Continuar leyendo \u00abHacia un diagn\u00f3stico de IA como el del m\u00e9dico\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-28763","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28763","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=28763"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/28763\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=28763"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=28763"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=28763"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}