Un algoritmo detecta arritmias con más precisión que cardiólogos expertos

fellowship1

Ya lo hemos visto en artículos anteriores. Ciertos algoritmos basados en redes neuronales, que englobamos en el desarrollo actual de la inteligencia artificial, encuentran patrones mejor que los humanos. Da igual la profesión, la actividad o la complejidad. Si se disponen datos suficientes y de calidad para “entrenar” al software, el aprendizaje máquina o el aprendizaje profundo, acabará funcionando mejor que un humano en este tipo de actividades.

La máquina venciendo al humano experto

Sin título

En esta ocasión vemos cómo un equipo de investigadores de la Universidad de Stanford ha creado una red neuronal capaz de detectar hasta 14 tipos diferentes de anomalías en el ritmo cardíaco y, además, hacerlo con un porcentaje de éxito mayor que el de 6 cardiólogos expertos contra los que se ha enfrentado.

 

Machine Learning en medicina

Features.png

El aprendizaje máquina y el aprendizaje profundo (machine learning y deep learning), nos permiten crear algoritmos que descubren patrones de una forma sorprendente. No olvidemos que muchas de las actividades diarias en multitud de profesiones, están relacionadas con encontrar patrones de diversos tipos, ya que los humanos nos creemos muy buenos haciendo esta actividad.

Los médicos ven radiografías, ecografías, escáneres o simplemente auscultan al paciente, buscando detalles que se salgan de un patrón que ellos encuentran normal. El conocimiento y experiencia del médico, determina si lo que está viendo o escuchando, está dentro de un registro aceptable.

Un algoritmo no entiende de conceptos subjetivos, y se basa en reglas matemáticas relacionadas con la regresión para determinar si los valores que analiza están dentro de una tendencia clara.

Algunos otros casos de inteligencia artificial aplicada en medicina os los hemos contado aquí:

 

¿Cómo funciona una red neuronal?

gzrsx.png

Su creación se basa en un intento de réplica de las neuronas reales que tenemos en nuestros cerebros. La manera en que se conectan entre ellas, también se basa en la naturaleza. Una red neuronal es una red de conexiones entre distintas neuronas (virtuales).

RedNeuronalArtificial.png

Para explicar de forma simplista, las redes neuronales actúan como una caja negra.Toman unos inputs o entradas, hacen sus procesos internos y dan como resultado unos outputs o salidas. En este proceso, son capaces de “entender el patrón normal” de los datos que están analizando:

“Si introduzco estos valores de entrada, la salida debe ser ésta”.

Es decir, tras aprender que unos inputs deben dar unos ouputs, “aprenden” a establecer la función que realiza dicha transformación.

Con esa información, sin necesidad de conocer en absoluto qué operaciones se realizan para convertir una entrada en una salida, la red neuronal ya puede replicar el proceso, con otros datos de entrada diferentes. Lo que hay detrás son métodos matemáticos, principalmente de regresión. Una regresión es, por ejemplo, ajustar una nube de puntos (imaginemos valores dispersos en los ejes X e Y), a una recta. Es encontrar una tendencia. Aumentando la complejidad, las variables y las dimensiones, podemos hablar de encontrar un patrón.

¿Cuántas tareas en tu trabajo diario están relacionadas con encontrar un patrón o unos datos que se salen de tal patrón?

Si queréis descubrir más, podéis visitar:


Vía: Yahoo

Publicación científica:

Pranav Rajpurkar, Awni Y. Hannun, Masoumeh Haghpanahi, Codie Bourn, Andrew Y. Ng “Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks” ArXiv Computer Vision and Pattern Recognition arXiv:1707.01836

 

2 comentarios en “Un algoritmo detecta arritmias con más precisión que cardiólogos expertos

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 )

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 )

Google+ photo

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

Conectando a %s