Puede la IA realizar diagnóstico de enfermedades?
referencias
Algoritmos de IA, como redes neuronales profundas (deep learning), son capaces de identificar patrones complejos en imágenes que pueden pasar desapercibidos para el ojo humano
Zhou, L., Wang, J., Yu, S., Wu, G., Wei, Q., Deng, Y., Wu, X., Cui, X., & Dietrich, C. (2019). Artificial intelligence in medical imaging of the liver. World Journal of Gastroenterology, 25, 672 - 682. https://doi.org/10.3748/wjg.v25.i6.672.
también mejorando la precisión y la rapidez en la clasificación de enfermedades, como el cáncer de mama a partir de mamografías, resonancias magnéticas y ultrasonidos
Sheth, D., & Giger, M. (2019). Artificial intelligence in the interpretation of breast cancer on MRI. Journal of Magnetic Resonance Imaging, 51. https://doi.org/10.1002/jmri.26878.
Preparar los datos correctamente es crucial para el entrenamiento y validación de algoritmos, lo que permite que la IA realice predicciones y diagnósticos más precisos
Willemink, M., Koszek, W., Hardell, C., Wu, J., Fleischmann, D., Harvey, H., Folio, L., Summers, R., Rubin, D., & Lungren, M. (2020). Preparing Medical Imaging Data for Machine Learning.. Radiology, 192224 . https://doi.org/10.1148/radiol.2020192224.
en áreas como la detección de cáncer de pulmón y mama, donde actúa como una "segunda opinión" para los radiólogos, ayudando a reducir errores y a mejorar la eficiencia
Shiraishi, J., Li, Q., Appelbaum, D., & Doi, K. (2011). Computer-aided diagnosis and artificial intelligence in clinical imaging.. Seminars in nuclear medicine, 41 6, 449-62 . https://doi.org/10.1053/j.semnuclmed.2011.06.004.
Las CNNs se utilizan para segmentar y clasificar áreas específicas de las imágenes médicas, como el cerebro en una resonancia magnética (MRI)
Moghaddam, M., & Soltanian-Zadeh, H. (2011). Medical Image Segmentation Using Artificial Neural Networks. . https://doi.org/10.5772/16103.
Algunas redes, como las redes neuronales acopladas por pulsos (PCNN), son eficientes en la eliminación de ruido y en la detección precisa de bordes en las imágenes médicas, lo que mejora la claridad de las estructuras anatómicas y ayuda en el diagnóstico clínico
Bernal, J., Kushibar, K., Asfaw, D., Valverde, S., Oliver, A., Martí, R., & Lladó, X. (2017). Deep convolutional neural networks for brain image analysis on magnetic resonance imaging: a review. Artificial intelligence in medicine, 95, 64-81 . https://doi.org/10.1016/j.artmed.2018.08.008.
