Esta IA puede detectar el cáncer de piel con la misma precisión que un médico

Se entrenó inteligencia artificial sobre una base de datos de imágenes de 129.000 imágenes y se realizó, así como profesionales médicos capacitados

En lo que podría ser un avance significativo en el tratamiento del cáncer de piel, la inteligencia artificial ha sido entrenada para identificar los signos reveladores de lunares y erupciones en pie de igualdad con un especialista humano.

Los informáticos, dermatólogos e ingenieros de la Universidad de Stanford han aprendido el software para identificar cánceres de piel comunes y mortales utilizando una base de datos de imágenes. Los resultados se compararon con los de 21 médicos expertos y el algoritmo logró igualar su rendimiento en 130.000 pruebas.

Leer más: Considerando la IA: ¿Alguna vez los algoritmos estarán libres de sesgos si son creados por humanos?

“En este artículo, propusimos identificar el cáncer de piel como una tarea de clasificación de objetos y entrenamos un algoritmo de aprendizaje profundo para discernir entre las condiciones”, dijo a DyN Noticias Andre Esteva, el ingeniero académico en ingeniería eléctrica que es el autor principal.

El aprendizaje profundo, que utiliza redes neuronales que tienen como objetivo reproducir las funciones cerebrales, ha ganado popularidad en los últimos años, siguiendo los avances en el campo. Una aplicación clave de esto es el entrenamiento de IA para identificar patrones en imágenes y luego usar ese conocimiento para reconocer signos en fotos invisibles.

El algoritmo de Stanford se alimentó con 129.450 imágenes que formaban 2.032 enfermedades de la piel diferentes (divididas en 735 grupos para explicar las enfermedades con una pequeña cantidad de imágenes). Después de conocer cómo se ven típicamente los cánceres, el software se probó con los médicos en tres áreas: clasificación del carcinoma queratinocítico, clasificación del melanoma y clasificación del melanoma mediante dermatoscopia.

“Este método rápido y escalable se puede implementar en dispositivos móviles y tiene el potencial de un impacto clínico sustancial, incluida la ampliación del alcance de la práctica de atención primaria y el aumento de la toma de decisiones clínicas para los dermatólogos”, escribió el equipo en la revista Nature.

Contenido

Sin embargo, las imágenes utilizadas por el equipo fueron creadas en entornos médicos donde profesionales capacitados utilizaron equipos de alta calidad para capturar los problemas de la piel. “La advertencia es que en este momento, [the software] está capacitado en imágenes clínicas, que pueden tener una iluminación diferente, pero aún así tener una calidad similar “, dijo a DyN Noticias Evelina Gabasova, investigadora en biología computacional de la Universidad de Cambridge.

Suscríbete a DyN Noticias

“Transferirlo a una aplicación de diagnóstico en un teléfono requerirá una gran cantidad de datos etiquetados, por ejemplo, de las cámaras de su teléfono móvil”.

El equipo de investigación no es el único grupo que utiliza redes neuronales para identificar y clasificar imágenes. “El enfoque de aprendizaje profundo ha sido prometedor en varios artículos publicados recientemente sobre una variedad de tareas de clasificación de imágenes, tanto en la literatura sobre visión por computadora como en imágenes médicas”, dijo Tanveer Syeda-Mahmood, director científico de IBM Almaden Research Centrar.

Leer más: Machine learning versus AI: ¿cuál es la diferencia?

Se utilizó el aprendizaje profundo para identificar diferentes razas de gatos, observar palmeras e identificar selfies. En situaciones médicas, el personal de Google utilizó el aprendizaje profundo para identificar la retinopatía diabética, que puede conducir a la pérdida de la visión, mientras que Microsoft ha enfocado sus sistemas para otros cánceres. La startup israelí Zebra Medical Vision afirma haber aprendido un algoritmo sobre cómo detectar el cáncer de mama y predecir eventos cardiovasculares.

“En general, esta clase de algoritmos se puede entrenar en cualquier cosa para la que haya suficientes datos de imágenes disponibles y se pueda usar para otras modalidades de imágenes médicas: oftalmología, otorrinolaringología, radiología y patología, por nombrar algunas”, dijo.

Los algoritmos de Stanford actualmente solo pueden ejecutarse en computadoras y el equipo quiere reducir esto. “Una aplicación que nos parece interesante es el uso potencial de este algoritmo en un teléfono móvil”, dijo Esteva, aunque se necesita más investigación.

Si esto es posible, los investigadores podrían cambiar la forma en que ocurre el diagnóstico. “Puede tener un gran potencial en la práctica si alguien puede obtener suficientes imágenes de los teléfonos móviles o, como está, puede ayudar a los dermatólogos a decidir sobre un diagnóstico”, concluyó Gabasova.

Todas las noticias de la ciencia de todo el mundo en un sólo sitio. artículos de Ciencia.