Este avance puede ser
especialmente útil para detectar hemorragias muy pequeñas consecuencia de
lesiones cerebrales, accidentes cerebrovasculares y aneurismas, según publica
la revista 'PNAS'.
La inteligencia artificial sigue
avanzando a pequeños pasos para hacerse un hueco en los hospitales. Además de
su capacidad para detectar patrones, los equipos médicos pueden utilizarla para
maximizar su capacidad de detección de anomalías al analizar distintas pruebas
médicas. La última demostración está en un algoritmo desarrollado por
científicos de la Universidad de California, que ha conseguido mejores
resultados que dos de cada cuatro radiólogos expertos en encontrar pequeñas
hemorragias cerebrales en los escáneres. Se trata de un avance que puede ayudar
a los médicos a tratar a pacientes con lesiones cerebrales traumáticas,
accidentes cerebrovasculares y aneurismas, según publica la
revista científica PNAS.
Además de señalar su ubicación
dentro del cerebro, el algoritmo clasifica las anomalías según el subtipo,
información que los médicos necesitan para decidir cuál es el mejor tratamiento.
Según las pruebas realizadas hasta el momento, el algoritmo proporciona toda
esta información con un nivel "aceptable" de falsos positivos y
minimizando el tiempo que los médicos necesitarían invertir en revisar los
resultados. "Para que esto sea clínicamente útil, el nivel de precisión
debe ser casi perfecto. Si una máquina señala muchos falsos positivos,
ralentizará al radiólogo y puede provocar más errores", señala Esther Yuh,
profesora asociada de radiología en la Universidad de California en San
Francisco (UCSF) y coautora del estudio.
Una de las claves para conseguir
que el algoritmo sea tan preciso son los datos con los que se entrenó al modelo.
El estudio utilizó un tipo de aprendizaje profundo conocido como red neuronal
convolucional (CNN), que entrena algoritmos con un número relativamente pequeño
de imágenes, en este caso 4.396 pruebas de tomografías computerizadas. A pesar
del pequeño tamaño de la muestra, el algoritmo consigue tantos aciertos porque
las imágenes con las que se le entrenó contenían cantidades ingentes de
información: cada pequeña anomalía se delineaba manualmente, píxel por píxel.
"La riqueza de estos datos, junto con otros pasos que impidieron que el
modelo interpretara el "ruido" como significativo, creó un algoritmo
extremadamente preciso", apunta Jitendra Malik, profesora de ingeniería
eléctrica y ciencias de la computación en Berkeley.
Según recoge Europa Press,
los expertos en radiología señalan que la capacidad del algoritmo de encontrar
anomalías muy pequeñas y señalar su ubicación en el cerebro es un avance
sustancial. "La hemorragia puede ser pequeña y, aun así, ser
significativa", precisa Pratik Mukherjee, profesor de radiología en la
Universidad de California en San Francisco (UCSF). "Eso es lo que hace que
el trabajo de un radiólogo sea tan difícil. Si un paciente tiene un aneurisma,
está empezando a sangrar y se le envía a casa, puede morir". La profesora
Malik, por su parte, asegura que "dada la gran cantidad de personas que
sufren lesiones cerebrales traumáticas todos los días, esto tiene una
importancia clínica enorme".
No hay comentarios.:
Publicar un comentario