Inteligencia artificial, imagen médica y automatización del flujo de trabajo

Durante la última década, una de las tecnologías más populares en la informática ha sido la inteligencia artificial.

El análisis del comportamiento online, las previsiones de big data, la meteorología, los coches autónomos o el reconocimiento de voz se basan en tecnologías que en algún grado emplean inteligencia artificial. Pero, ¿qué es exactamente esta ‘inteligencia artificial’? ¿Qué tan inteligente es realmente? Y por último pero no menos importante, ¿deberíamos temerla?

Entonces, ¿qué es la inteligencia artificial?

Tradicionalmente, cuando un desarrollador escribe un fragmento de código, por ejemplo, digamos una aplicación Java, generalmente realiza un conjunto de cálculos o proporciona una funcionalidad determinada y la forma en que lo hace está muy meticulosamente descrita en la programación que, en última instancia, lo hace funcionar. La eficiencia con la que la aplicación funcionará depende de los recursos que tenga disponibles, pero dos aplicaciones idénticas alojadas en dos servidores idénticos siempre funcionarán de la misma manera y eso no cambiará con el tiempo dado que los recursos subyacentes también sean constantes.

Aquí está la parte interesante con la inteligencia artificial (lo llamaremos AI por sus siglas en inglés): cuanta más información le proporciones, mejor se vuelve con el tiempo para resolver la tarea inicial que se le asignó.

¿Cuándo será más inteligente que los humanos?

Probablemente nunca. No en esta forma de todos modos. Por ejemplo, supongamos que tienes un algoritmo que necesita identificar semáforos en cruces. Inicialmente, tendrías que alimentarlo con todo tipo de imágenes con semáforos claramente etiquetados como ‘semáforos’ o ‘no semáforos’, las cuales el algoritmo usará para ‘aprender’ cómo luce realmente un semáforo y cómo está posicionado en los cruces, cómo se distingue de los árboles u otros objetos en el fondo, y así sucesivamente.

Cuando esta cantidad de imágenes se hace lo suficientemente grande y el algoritmo ha visto decenas o tal vez cientos de miles de imágenes etiquetadas con semáforos, será capaz de invertir el proceso y así, al recibir fotos no etiquetadas de todo tipo de carreteras, podrá detectar qué cruces tienen semáforos y cuáles no. Por lo tanto, ser capaz de ‘evolucionar’ o volverse más eficiente con el tiempo en la tarea en cuestión dado suficientes cantidades de datos para ‘aprender’ es lo que llevó a esta tecnología a ser llamada ‘inteligente’.

Claro, después de un tiempo será más eficiente al identificar semáforos en cruces que tú o yo, pero eso no significa que será más inteligente que cualquiera de nosotros en el futuro cercano.

¿Es el día del juicio una amenaza real?

Bueno, no exactamente. En primer lugar, la AI se utiliza para resolver problemas para los que fue entrenada originalmente. Eso significa tener datos iniciales que necesitan ser etiquetados con calidad (‘semáforo’ o ‘no semáforo’, ¿cierto?) y luego ser devueltos al algoritmo. Así que en última instancia, el algoritmo solo será capaz de identificar semáforos, pero eso es básicamente todo.

Probablemente hayas escuchado hablar del ‘aprendizaje automático’, pero eso solo tiene un sonido más aterrador, básicamente es lo mismo: es solo un fragmento de software que es bueno identificando patrones de todo tipo. Aún hay un largo camino por recorrer antes de que la inteligencia artificial pueda convertirse en una amenaza para la humanidad, si es que eso sucede en absoluto.

Algunas de las mentes y emprendedores más grandes del mundo ya han reflexionado sobre el tema e incluso han escrito una carta abierta que advierte sobre los peligros que podríamos enfrentar, pero en este punto realmente no hay necesidad de preocupación inmediata. https://futureoflife.org/ai-open-letter

Automatización del flujo de trabajo del radiólogo usando inteligencia artificial

¿Recuerdas cómo la inteligencia artificial era excelente para identificar patrones en imágenes? Esta tecnología se usa en coches autónomos, software que permite el reconocimiento facial o aplicaciones de teléfonos inteligentes que identifican objetos en fotos de manera apta. En Medicai, empleamos el software de una manera muy similar, lo utilizamos para identificar patrones en escaneos de MRI, CT o PET-CT. Por ejemplo, una forma en que nuestros investigadores están utilizando esta tecnología es para la segmentación de órganos (o para distinguir órganos individuales del fondo o primer plano).

Imagina que tienes un pecho MRI y necesitas seguir la evolución de lo que parece ser un tumor. Lo que necesitarías es un radiólogo que analice manualmente la prueba de MRI y trate de distinguir el tumor de los elementos de fondo y primer plano. Después, necesitaría una manera eficiente de calcular su volumen para tener un punto de partida en el seguimiento de su evolución. Y para hacerlo, necesitaría pasar por todo este proceso una vez más con una prueba de seguimiento de MRI donde tendría que repetir todas estas tareas para la comparación. Aquí es donde la tecnología entra en juego: hemos desarrollado un algoritmo que analiza escaneos de MRI y es capaz de segmentar órganos automáticamente (o distinguirlos del fondo) e incluso calcular su volumen.

La automatización de esta parte del flujo de trabajo del radiólogo tiene un gran impacto en el bienestar del paciente: los radiólogos ya no necesitan perder tiempo haciendo estas tareas manualmente y tienen un medio mucho más preciso para comparar la evolución del tejido con sus manos. Solo obtenga las nuevas pruebas, ejecute el software y vea la diferencia entre volúmenes. Esto significa más tiempo para los pacientes y eficiencia donde realmente importa: en proporcionar a los pacientes el mejor tratamiento posible.