El equipo, liderado por el doctor Matthew Leming, creó un sistema llamado MUCRAN (Multi-Confound Regression Adversarial Network) y lo entrenó analizando aproximadamente 17,076 resonancias magnéticas clínicas realizadas en el Hospital General de Massachusetts hasta antes del año 2019 a pacientes que padecían de esta enfermedad y otros que estaban saludables.
La precisión del análisis de la inteligencia artificial alcanzó el 90.3% según se indicó en el artículo científico.
Si bien los datos recopilados tenían vinculación directa con un hospital y un periodo de tiempo determinado, los investigadores pusieron a prueba el modelo MUCRAN para detectar esta condición en otros pacientes pertenecientes a diferentes centros de salud como el Brigham and Women’s Hospital, entre otros.
El objetivo es que esta tecnología pueda ser aplicable a cualquier persona aún si no tiene relación con los casos con los que fue entrenado.
Además, los investigadores buscan que la inteligencia artificial ayude a detectar casos más raros de esta enfermedad, que se presentan en pacientes jóvenes en lugar del común, que es su aparición en adultos mayores. Según Leming, una de las claves es que el nuevo modelo que desarrollaron no considera la edad como una variable para emitir un pre diagnóstico.
El modelo MUCRAN (Multi-Confound Regression Adversarial Network) de inteligencia artificial reduce la influencia de otros factores (edad, género, etnia, etc.) en el análisis de las resonancias magnéticas de los pacientes. (PLOS ONE)
“Abordamos el problema haciendo que el modelo de inteligencia artificial sea “ciego” a características que pueda encontrar asociadas con la edad del paciente”, aseguró Leming. Esto se debe a que esta era una de las variables que otros modelos consideraban como relevantes para el diagnóstico. Al eliminar esta consideración, el resultado puede ser más fiable.
Como característica adicional, el modelo de inteligencia artificial tiene incorporado una “métrica de incertidumbre”, que significa que no toma como información exacta aquellos datos con los que fue entrenado, sino que considera que pueden existir variaciones de los mismos. Mientras más se aproximen a los datos originales, entonces la probabilidad de detectar Alzheimer en un paciente es mayor.
Este tipo de dinámica entre los datos originales de entrenamiento y aquellos que se pueden presentar en entornos reales no controlados permitiría que esta tecnología pueda aplicarse para ayudar en el diagnóstico de estas condiciones en pacientes de cualquier parte del mundo.
“MUCRAN, al ofrecer menos predicciones poco confiables, presentan un sistema que se puede implementar y escalar en el mundo real”, indica la publicación científica.El sistema MUCRAN (Multi-Confound Regression Adversarial Network) analizó aproximadamente 17,076 resonancias magnéticas clínicas realizadas en el Hospital General de Massachusetts. (UNIVERSITY OF MISSOURI)
Aunque los resultados de esta investigación sean prometedores, aún no se ha determinado si efectivamente empezará a utilizarse este tipo de sistemas para detectar el Alzheimer en el Hospital General de Massachusetts o en cualquier otra institución de salud.
El uso de los modelos de inteligencia artificial como un método para la asistencia en el ejercicio de labores se ha popularizado y, según un estudio realizado por OpenAI, empresa creadora de ChatGPT, algunos de los empleos que pueden estar en riesgo de desaparecer se encuentran en los hospitales.
Esto se debe, según la compañía, a que los entornos en los que se utiliza el análisis de datos o su procesamiento pueden ser vulnerables a que los trabajadores puedan ser reemplazados por sistemas de IA, aunque por el momento esto sea un escenario aún lejano
.jpg)
Social Buttons