Inteligencia artificial (IA), redes neuronales, aprendizaje automático. Frases que solían encontrarse en los mas rebuscados textos de ciencia ficción, resultan ser temas muy estudiados hoy en día. El aprendizaje automático o aprendizaje de maquinas es un sub-campo de las ciencias de la computación y una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permiten a las computadores aprender. Es un proceso de inducción del conocimiento con el fin de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. Uno de los pilares mas importantes en el campo del aprendizaje automático es el análisis de datos, yendo mano a mano con la estadística computacional. Esto puede ser visto como un intento de automatizar algunas partes del método científico mediante métodos matemáticos. 

markus-spiske-445253-unsplash

¿Se preguntaran que tiene que ver la inteligencia artificial con la oftalmología? El aprendizaje automático tiene una amplia gama de aplicaciones, incluyendo motores de búsqueda, diagnósticos médicos, clasificación de secuencias de ADN, robótica, etc. La Academia Americana de Oftalmología (AAO) hizo mucho hincapié en esta área en el ultimo encuentro internacional llevado a cabo en 2017. La IA trata de enseñar a las computadoras a procesar información de la misma manera en que lo hace el cerebro humano. En definitiva es el mismo procedimiento que usan los médicos (incorporar información a través de estudiar patologías) pero con la diferencia que la cantidad de información que le incorporamos a la computadora puede ser casi infinita y la velocidad de procesamiento de la misma es muy eficiente. El gran reto de la inteligencia artificial es que las máquinas aún no pueden sustituir la intuición humana, indispensable en cada diagnóstico médico. Sin embargo, hoy en día la IA toma cada vez más lugar en el ámbito medico y complementa la labor de los profesionales, haciendo más certeros los diagnósticos y más eficientes los tratamientos.

El aprendizaje de máquinas busca que una computadora pueda imitar la manera en que los humanos piensan. El mundo de la inteligencia artificial trata de brindarle a las computadoras la habilidad de aprender sin ser explícitamente programadas. Inicialmente la inteligencia artificial atacaba problemas que eran intelectualmente difícil para los humanos, pero relativamente claros para las computadoras, problemas que pueden ser atacados con algoritmos expresados en reglas identificadas y articuladas por el programador. Pero el gran reto para la inteligencia artificial es resolver tareas que son fáciles para los humanos realizar, pero difíciles de describir, como las que resolvemos intuitivamente, como entender un lenguaje o reconocer caras. En el aprendizaje de maquinas, la computadora es programada para optimizar la performance de un determinado criterio usando datos de experiencias pasadas. Necesitamos este aprendizaje en casos donde no podemos expresar directamente o fácilmente como un problema puede resolverse a base de algoritmos, pero podemos identificar ejemplos que ilustran la solución. 

franck-veschi-517860-unsplash

Los algoritmos de “data mining” buscan patrones de información. El aprendizaje de máquinas básicamente hace lo mismo, pero va un paso mas adelante, y el programa cambia su comportamiento basado en lo que aprende. 

Existen diferentes enfoques para el aprendizaje de máquinas. Uno de los enfoques más comunes es el uso de estadísticas, donde se derivan ecuaciones a partir de diferentes puntos dentro de una base de datos. Otro enfoque, menos tradicional pero muy estudiado hoy en día  es la utilización de redes neuronales artificiales, basadas en una analogía sobre el cerebro humano. 

Las redes neuronales procesan datos (por ejemplo los valores de los pixeles de imágenes de retinas) basados en el peso de las conexiones neuronales. Estas redes deben ser entrenadas por expertos usando datos que pueden ser clasificados. Esto permite que con el tiempo, la red pueda identificar, por si misma, características mínimas en la base de datos y que pueden ser la base para una clasificación final. 

El aprendizaje de maquinas ya se esta empezando a usar en la oftalmología clínica. Las mayores áreas de aplicación del aprendizaje de máquinas es en la salud, porque los datos que deben ser analizados son complejos, pero los resultados que las máquinas generan son simples y bien definidos, y el número de pacientes a procesar es muy grande. El aprendizaje de máquinas tiene el potencial de cambiar radicalmente la manera en que se llevan a cabo los exámenes de detección de patologías. Por ejemplo, el análisis de imágenes retinales automatizado se está usando para detectar retinopatias diabéticas usando imágenes digitales de la retina. Tener la posibilidad de detectar estas patologías rápidamente, tiene la ventaja de reducir los costos, agilizar e incrementar la seguridad del diagnóstico, que a su vez incrementa la conformidad del paciente y la calidad del cuidado médico. 

tim-de-groot-105620-unsplash

Por otro lado, se esta trabajando en aplicaciones que analizan imágenes de OCT (Optical Coherence Tomography) para diferenciar entre degeneraciones maculares normales o relacionadas con la edad. Estos algoritmos pueden ser entrenados analizando cientos de miles de imágenes de pacientes, sumándole eficacia al sistema y poder obtener respuestas mas precisas. 

Otra sub-especialidad que puede beneficiarse del aprendizaje de maquinas es glaucoma, donde bases de datos y algoritmos han sido aplicados para analizar campos de visión e identificar patologías. Esto puede ayudar con el “screening” y brindar soporte a los oftalmólogos encargados de chequear la progresión de la enfermedad en el campo visual y disco. 

El área de segmento anterior tampoco ha quedado afuera del alcance de la inteligencia artificial. El aprendizaje automático se ha estado usando para mejorar la selección de lentes antes de cirugías de catarata. Estos algoritmos, integrados con sistemas de cámaras, tienen el potencial de impactar la detección de muchas patologías. Dado que la oftalmología es una practica que utiliza imágenes para detectar muchas de las patologías, el aprendizaje de máquinas tiene potencial de impactar a lo largo de toda la disciplina. 

Las bases de datos se hacen cada vez más grandes lo que permite no solo el entrenamiento de los algoritmos de aprendizaje de máquinas, pero también el desarrollo de predicciones que ayudan a modelar la evolución de cada individuo de manera personal. La inteligencia artificial es un complemento actual de la practica médica que nos ayuda a ser más eficientes en el diagnóstico y tratamiento de las enfermedades oftalmológicas. Cabe destacar que la inteligencia artificial no reemplaza el criterio médico pero si es una ayuda increíble para poder acceder a información calificada en un tiempo mínimo.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s