Puede haber múltiples aplicaciones de deep learning en la salud. Se puede decir que el aprendizaje profundo es una rama del aprendizaje de las máquinas (machine learning), ambos parte de la inteligencia artificial. Un algoritmo de machine learning es capaz de revisar conjuntos de datos no estructurados y encontrar en ellos patrones establecidos en un entrenamiento previo. Su valor radica en que a partir de dicho análisis, el algoritmo puede modificarse sin intervención humana para afinar sus resultados.

Por su parte, en el deep learning hay varias capas de algoritmos de machine learning. Cada uno ofrece una interpretación distinta de los datos y las interrelaciona para obtener análisis más refinados y profundos. A este conjunto de algoritmos también se le llama “red neuronal”, por estar inspirado en la manera en que funcionan las redes de neuronas en el cerebro humano.

Una de las aplicaciones de deep learning en la salud es la detección de cáncer de mama, como lo ha demostrado el trabajo de varios equipos científicos alrededor del mundo.

Puede haber múltiples aplicaciones de deep learning en la salud.

Otro campo en el que el deep learning ha mostrado potencial es en la detección de la retinopatía diabética. Un estudio patrocinado por Google mostró que el algoritmo seleccionado alcanzó hasta 97.5% de sensibilidad y 96.9% de especificidad al examinar fotografías del fondo de la retina en busca de lesiones indicativas de retinopatía o edema macular. En 2018 el software fue aprobado por la FDA para su uso en pacientes.

Alta precisión

La detección oportuna del cáncer de piel también es una de las aplicaciones de deep learning en el campo de la salud. El diagnóstico de esta enfermedad suele comenzar con una análisis visual efectuado con un dermatoscopio, es decir, un microscopio de mano con una capacidad limitada de aumento. Si el médico encuentra características anatómicas que lo hagan sospechar la presencia de cáncer, procede a realizar una biopsia y ordenar los estudios histiológicos necesarios.

Científicos del Laboratorio de Inteligencia Artificial de Stanford se han abocado a entrenar algoritmos para asistir a los dermatólogos en su tarea. Para ello, partieron de un algoritmo previamente desarrollado por Google para clasificar objetos en mil categorías. Luego, le suministraron 130,000 imágenes de lesiones en la piel. De acuerdo con sus hallazgos reportados en la revista Nature, la IA alcanza la misma precisión de los dermatólogos.

Aplicaciones de deep learning en la salud: osteoporosis

La detección de osteoporosis es otra manera de utilizar el deep learning a favor de la salud. Lo mejor de todo es que para ello podrían aprovecharse las radiografías realizadas durante cualquier procedimiento.

Puede haber múltiples aplicaciones de deep learning en la salud.

Por ejemplo, si a algún paciente se le debe tomar una imagen radiológica previa a una operación de abdomen, dicha radiografía contiene no sólo la información necesaria para la intervención, sino también la de la columna vertebral. Si la escanea un algoritmo de deep learning debidamente entrenado, puede determinar si existe algún riesgo de osteoporosis y referirlo al especialista.

Las ventajas son evidentes: el paciente recibiría un beneficio adicional sin someterse a otros procedimientos y las instituciones hospitalarias podrían optimizar gastos al aprovechar la misma imagen para más de un propósito. Además, los especialistas no tendrían que dedicar horas a la interpretación de las radiografías, sino que podrían concentrarse en atender a aquellos pacientes señalados por la inteligencia artificial.