Un equipo internacional ha desarrollado una nueva herramienta basada en inteligencia artificial y técnicas de aprendizaje automático para detectar rápidamente enfermedades oculares y neumonía, según un estudio publicado hoy en la revista Cell.
En este nuevo estudio, Zhang y sus colegas utilizaron una red neuronal basada en inteligencia artificial para revisar más de 200.000 exploraciones oculares realizadas con tomografía de coherencia óptica.
Luego, los investigadores emplearon una técnica llamada aprendizaje por transferencia, en la cual el conocimiento adquirido para resolver un problema es almacenado por un ordenador y aplicado a problemas diferentes pero relacionados.
Por ejemplo, una red neuronal de inteligencia artificial optimizada para reconocer las estructuras anatómicas discretas del ojo, como la retina, la córnea o el nervio óptico, puede identificarlas y evaluarlas de manera más rápida y eficiente cuando se examinan las imágenes de un ojo completo.
Esto permite que el sistema aprenda de manera efectiva con un conjunto de datos mucho más pequeño que los métodos tradicionales.
Los investigadores agregaron luego pruebas de oclusión en las que la computadora identifica las áreas en cada imagen que son de mayor interés y la base de sus conclusiones.
"Con las pruebas de oclusión, el ordenador puede decirnos dónde se ve en una imagen para llegar a un diagnóstico, para que podamos descubrir por qué el sistema obtuvo el resultado. Esto hace que el sistema sea más transparente y aumenta nuestra confianza en el diagnóstico", relató Zhang.
Los científicos no limitaron su estudio a las enfermedades oculares y también probaron su herramienta para diagnosticar la neumonía infantil, una de las principales causas de muerte en todo el mundo en niños menores de 5 años.
Descubrieron que el programa podía diferenciar entre la neumonía viral y la bacteriana con una precisión superior al 90 por ciento.
El estudio se centró la degeneración macular y el edema macular diabético, dos causas comunes de ceguera irreversible que son tratables si se detectan temprano.
Los diagnósticos derivados de la máquina se compararon con los diagnósticos de cinco oftalmólogos que revisaron las mismas exploraciones.
Con una capacitación simple, la máquina se comportó de manera similar a un oftalmólogo bien entrenado, y podría generar una decisión sobre si el paciente debería o no derivarse para recibir tratamiento en 30 segundos, con más del 95 % de precisión.
