viernes
7 y 9
7 y 9
La inteligencia artificial, tan efectiva como los médicos según The Lancet
-
El aprendizaje profundo podría detectar enfermedades que van desde cánceres hasta enfermedades oculares. FOTO SSTOCK
24 de septiembre de 2019
bookmark
Como en la película Elysium (2013), protagonizada por Matt Damon, la inteligencia artificial (IA) y su poder de diagnóstico, el aprendizaje profundo (el uso de algoritmos, grandes datos y potencia informática para emular el aprendizaje humano e inteligencia), cada vez se acerca más a convertirse en un aliado de los médicos.
Este martes la destacada revista medica The Lancet Digital Health publicó la primera revisión sistemática y meta-análisis que sugieren que la inteligencia artificial puede ser tan efectiva como los profesionales de la salud para diagnosticar enfermedades. Es importante aclarar que solo hay un pequeño número de estudios de alta calidad a los que recurrir y que el verdadero poder de la IA sigue siendo incierto, y los investigadores exigen estándares más altos de investigación e informes para mejorar las evaluaciones futuras.
“Revisamos más de 20.500 artículos, pero menos del 1% de estos fueron lo suficientemente sólidos en su diseño e informaron que los revisores independientes tenían una gran confianza en sus reclamos. Lo que es más, solo 25 estudios validaron los modelos de IA externamente (usando imágenes médicas de una población diferente), y solo 14 estudios en realidad compararon el desempeño de IA y profesionales de la salud usando la misma muestra de prueba “, explicó en comunicado oficial el profesor Alastair Denniston de University Hospitals Birmingham NHS Foundation Trust, Reino Unido, quien dirigió la investigación.
Este tema ha generado entusiasmo, pero a la vez debate. Con el aprendizaje profundo los computadores pueden examinar miles de imágenes médicas para identificar patrones de enfermedad. Esto ofrece un enorme potencial para mejorar la precisión y la velocidad del diagnóstico, pero sigue preocupando la idea de que las máquinas reemplazarán algunas profesiones.
No obstante los avances continúan. En la actualidad la Administración de Alimentos y Medicamentos de Estados Unidos (FDA) ha aprobado más de 30 algoritmos de IA para la atención médica. El primero, el algoritmo de AliveCor para la detección de fibrilación auricular, se aprobó en 2014. Dos años más tarde, la FDA encontró otras cuatro soluciones listas para uso clínico. En 2017, el regulador estadounidense aprobó seis nuevos algoritmos y en mayo de 2019 aprobó uno para radiología y cardiología.
“Dentro de esos pocos estudios de alta calidad, encontramos que el aprendizaje profundo podría detectar enfermedades que van desde cánceres hasta enfermedades oculares con la misma precisión que los profesionales de la salud. Pero es importante tener en cuenta que la IA no superó sustancialmente el diagnóstico humano”, agregó Denniston
El tema sigue siendo incierto debido a la falta de estudios que comparen directamente el rendimiento de humanos y máquinas, o que validen el rendimiento de la IA en entornos clínicos reales.
¿Cómo llegaron a estos resultados?
Para proporcionar más evidencia, los investigadores realizaron una revisión sistemática y un meta-análisis (herramientas de altos estándares metodológicos en ciencias) de todos los estudios que compararon el desempeño de los modelos de aprendizaje profundo y los profesionales de la salud en la detección de enfermedades publicadas entre enero de 2012 y junio de 2019. También evaluaron el diseño del estudio, los informes y valor clínico.
En total, se incluyeron 82 artículos en la revisión sistemática. Los datos se analizaron para 69 artículos que contenían datos suficientes para calcular el rendimiento de la prueba con precisión. En el meta-análisis se incluyeron estimaciones agrupadas de 25 artículos que validaron los resultados en un subconjunto independiente de imágenes.
El análisis de datos de 14 estudios que compararon el desempeño del aprendizaje profundo con humanos en la misma muestra encontró que, en el mejor de los casos, los algoritmos de aprendizaje profundo pueden detectar correctamente la enfermedad en el 87% de los casos, en comparación con el 86% logrado por los profesionales de la salud.
La capacidad de excluir con precisión a los pacientes que no tienen enfermedad también fue similar para los algoritmos de aprendizaje profundo (93% de especificidad) en comparación con los profesionales de la salud (91%).
Los investigadores advierten que la metodología de este trabajo tiene varias limitaciones porque el aprendizaje profundo se evaluó con frecuencia de forma aislada de una manera que no refleja la práctica clínica.
Por ejemplo, solo cuatro estudios proporcionaron a los profesionales de la salud información clínica adicional que normalmente utilizarían para hacer un diagnóstico en la práctica clínica. Además, se realizaron pocos estudios prospectivos en entornos clínicos reales, y los autores dicen que para determinar la precisión del diagnóstico se requieren comparaciones de alta calidad en los pacientes, no solo conjuntos de datos. El mal informe también fue común, ya que la mayoría de los estudios no informaron datos faltantes, lo que limita las conclusiones que se pueden extraer.
Te puede interesar
El empleo que busca está a un clic
