Inteligencia artificial contra el cáncer

Actualmente, cuando se sospecha de la existencia de un cáncer, un médico especialista realiza pruebas diagnósticas como el estudio de tejidos, pruebas analíticas o pruebas de imagen, como la captación de imágenes por fluorescencia, tomografías o resonancias magnéticas.

Una vez que se obtienen las imágenes, el médico especialista hace el diagnóstico final, resultando en un proceso que requiere de muchos recursos, médicos especialistas y equipos de diagnóstico.

La inteligencia artificial es una rama de la informática que, con el uso de algoritmos entrenados para casos concretos a partir de normas generales, es capaz de analizar datos para simular un comportamiento inteligente en computadores; esta tecnología ha sido aplicada en el ámbito médico para la detección, diagnóstico y seguimiento de enfermedades como el cáncer, y han sido utilizadas desde la década de 1990 para la detección de microcalcificaciones y para distinguir entre las masas probadas por biopsia y el tejido normal en las mamografías digitalizadas.

Con la demanda cada vez mayor de servicios de atención de la salud y los grandes volúmenes de datos que se generan diariamente, se ha mejorado la eficacia y la eficiencia de la atención clínica produciendo resultados comparables y en algunos casos superiores a los de los médicos expertos. Los avances tecnológicos en las imágenes médicas obtenidas hacen posible que pueda ser clasificado para optimizar el tipo y la intensidad del tratamiento.

El aprendizaje y las redes neuronales

El diseño de las redes neuronales está inspirado en el aprendizaje humano, donde a partir de una exposición a estímulos internos y externos guardados en la memoria de la persona, es capaz de crear una respuesta a estímulos similares. Los principales elementos que participan en el proceso de aprendizaje son el registro sensitivo, codificación, almacenamiento y recuperación de la información.

En la primera etapa del aprendizaje se reciben, seleccionan y asimilan los estímulos recibidos, para dentro de la segunda etapa ser organizados de acuerdo a la estructura mental de la persona, para finalmente, hacer uso de la información organizada y codificada ante estímulos similares que lo ocasionaron.

El aprendizaje humano para la toma de decisiones se logra de de manera progresiva y el proceso puede tomar años; la inteligencia artificial trata de diseñar herramientas que simulen el proceso de aprendizaje, razonamiento y autocorrección, con la ventaja de que el
procesamiento es mucho más rápido y permite grandes cantidades de datos a analizar.

Funcionamiento de las redes neuronales

La red neuronal convolucional (CNN) es una clase de red neuronal de aprendizaje profundo usada para analizar imágenes visuales; al principio de este proceso, una imagen de entrada se descompone en píxeles y entra en la capa convolucional; en esta etapa se aplican filtros para enfocar o hacer borrosa la imagen, así como poder detectar bordes e identificar patrones para extraer características de la imagen de entrada. El resultado de esto es el mapa de características, el cual es más pequeño que la imagen de entrada original.

Por Ivan Murataya Esquivel

Para leer articulo completo, haz click aqui!