Promocione sus productos o servicios con nosotros
Septiembre de 2021 Página 1 de 3

Inteligencia artificial en salud: el aliado de la radiología

Sergio Valencia, residente de radiología y Emmanuel Salinas Miranda, director Comité de Inteligencia

Si bien la tecnología puede hacer mucho por la radiología, Colombia podría no estar preparada para su adopción.

El acceso a los sistemas de información y la digitalización de los datos ha permitido el desarrollo de la inteligencia artificial (IA). La IA es un campo de las ciencias de la computación con la cual las maquinas pueden adquirir datos, aprender de ellos, y tomar decisiones usualmente mucho más rápidas que los humanos y eventualmente más acertadas que los mismo. Las aplicaciones de la IA han comenzado a incrementarse en el sector salud, dado que, con la información de los pacientes y de sus enfermedades se pueden entrenar sistemas para la toma de decisiones sobre el diagnóstico, el pronóstico y tratamiento de las enfermedades.

Uno de los actores más activos en la supervisión y la educación sobre las aplicaciones de IA en salud ha sido la Asociación Colombiana de Radiología (ACR). Esta, desde el año 2019, viene trabajando con el objetivo de asegurar la calidad y el uso adecuado de la IA en los servicios de salud en Colombia. Sin embargo, es clara la necesidad de educar a los pacientes y el público en general respecto a los conceptosy mitos que existen alrededor de la IA y la importancia de esta en el sector salud.

Como su nombre lo indica, la inteligencia artificial hace referencia a la simulación de la inteligencia humana de una forma artificial por máquinas, las cuales están programadas para pensar como humanos e imitar sus acciones para la solución de problemas. Sin embargo, para considerar que un sistema imita la inteligencia humana, la inteligencia artificial debe alcanzar la capacidad de racionalizar y de lograr acciones que alcancen la mayor probabilidad de alcanzar un objetivo específico.


CONSULTE PROVEEDORES DE EQUIPOS DE IMAGEN DIAGNÓSTICA:


La IA se entrena a partir de la exposición de los algoritmos a los datos. El corazón del aprendizaje que logran los sistemas de inteligencia artificial se podría resumir en múltiples principios matemáticos y de estadística. El producto final de los sistemas de inteligencia artificial suele ser una probabilidad o una predicción. Por ejemplo, la probabilidad de desarrollo de un evento, en el caso de la medicina, sería lade desarrollar cáncer o no. La posibilidad de aprender a generar este tipo de predicciones se puede considerar razonamiento artificial de las máquinas.

En el campo de la inteligencia artificial se han desarrollado dos tipos de aprendizaje. El aprendizaje automático se refiere a programas informáticos que puedan aprender automáticamente de los datos y adaptarse a ellos sin la ayuda de los seres humanos; en pocas palabras, el aprendizaje automático alimenta los datos de una computadora utilizando técnicas estadísticas para ayudarla aprender cómo mejorar progresivamente una tarea sin haber sido programada específicamente para dicha tarea, eliminando la necesidad de millones de líneas de código escrito por humanos.

El aprendizaje profundo o Deep Learning es un tipo de aprendizaje automático que ejecuta entradas a través de una arquitectura de redes neuronales, permitiendo a la máquina profundizar en su aprendizaje y en hacer conexiones para ponderar las entradas de información y así obtener los mejores resultados. Una red neuronal es un concepto derivado de las conexiones neuronales encontradas en la naturaleza y consiste en múltiples decisiones que se conectan entre sí para llegar a un resultado final.

En el caso de la medicina, específicamente en el área de la radiología, uno de los ejemplos del aprendizaje no supervisado es el entrenamiento de algoritmos para la identificación de hemorragia intracerebral a partir de la exposición del algoritmo a miles de tomografías. Pero para que una computadora pueda desarrollar el aprendizaje automático, el deeplearning, como la predicción y solución de problemas, requiere una gran cantidad de datos por lo que el big data hace parte crucial de la inteligencia artificial.


Palabras relacionadas:
Big data, red neuronal, aprendizaje profundo, Deep Learning, aprendizaje automático, ACR, asociación Colombiana de Radiología, Comité de Inteligencia Artificial
x

Sección patrocinada por

Otras noticias de Imágenes diagnósticas y Medicina nuclear

Documentos relacionados