Cáncer. Esa enfermedad de la que muchos hemos escuchado hablar y a la cual todos somos vulnerables.
En este post hablaré de cómo la detección de cáncer con Inteligencia Artificial ayuda a encontrar y diferenciar células enfermas y adelantarse en el tiempo para dar un diagnóstico.
Pero nada de esto sería posible sin esos Doctores, Técnicos, Investigadores, Ingenieros y claro! Sin esos pacientes que han cedido su tiempo, información, conocimiento y energía en aras de la salud humana.
Es por eso que desde este blog, les damos infinitas gracias por estar a frente de esta lucha en la que como unidad, estamos avanzando.
Redes Neuronales para imitar la inteligencia humana
A través de las décadas, se ha intentado imitar la inteligencia humana con computadoras y de distintas formas.
Una de los más prometedores mecanismos son la Redes Neuronales, que actualmente han logrado aprender y resolver problemas con alta complejidad en sólo algunos segundos, haciendo uso de clústers, computo en la nube y elaborados modelos matemáticos entrenados con datos de un problema específico a resolver.
Etapas de construcción de una Red Neuronal
La forma en la que una red neuronal se construye pasa por distintas etapas que por ahora agruparemos de la siguiente forma
1. Recolección de datos
Se recopilan los datos del problema a resolver. Fotos, imágenes, textos, videos, etc.
Estos datos deben ser útiles, aportar valor a la resolución del problema y ser coherentes entre sí. Aquí entra la parte de las 5 “V’s” del Big Data. Más información en este post.
2. Limpieza de datos
Una vez recopilados los datos, se filtran, limpian de errores, depuran y en general se “transforman” para hacer una más fácil comprensión y procesamiento para la computadora.
Esta parte es algo como una estandarización de los datos. Es más fácil sumar pesos + pesos que pesos, mas dólares + libras esterlinas.
3. Entrenamiento de red neuronal
Esta es la parte mas interesante, pues se empieza a hacer un entrenamiento a una red neuronal con datos de pacientes con un estado “Enfermo” y datos con el estado “Sano”.
Con una buena cantidad de datos y un buen entrenamiento, la red neuronal puede aprender a diferenciar de forma automática cuando los datos de un paciente corresponden al estado “Enfermo” o al estado “Sano”.
4. Calibración y prueba de error
Pero el proceso no es tan fácil como se lee, pues es en nuestra fase de prueba de error donde podemos ver si nuestra red neuronal realmente funcionará en la vida real.
Esto se hace con datos que nunca pudo ver en la fase de entrenamiento y que debe ser capaz de adaptarse y dar una respuesta correcta a lo que estamos buscando.
Si quieres leer mas al respecto, puedes buscar Overfitting.
Redes Neuronales para detectar cáncer
Y bien, ya sabes cómo funcionan las redes neuronales pero ¿Cómo están ayudando actualmente las redes neuronales contra el Cáncer? ¡Excelente pregunta!
Existen múltiples esfuerzos públicos y privados alrededor del mundo para recopilar bancos de imágenes que permitan entrenar estas redes neuronales.
En un reciente estudio publicado en la revista Nature, un equipo de investigadores de Google Health explica cómo han creado una red neuronal para detectar el cáncer de mama en forma temprana y por tanto elevar la tasa de éxito del tratamiento.
De acuerdo a los investigadores, su IA es capaz de superar a los expertos humanos, ya que tiene menos falsos positivos y falsos negativos en comparación.
Para esta red neuronal, se utilizaron 76.000 mamografías de mujeres británicas y 15.000 mamografías de mujeres estadounidenses.
Posteriormente, la IA identificó la presencia de cáncer de mama en mamografías de mujeres que se sabían que padecían dicho cáncer gracias a una biopsia o a resultados de imágenes de seguimiento usando una base de 28.000 imágenes.
Los resultados son interesantes pues enuncian: “mostramos una reducción absoluta del 5,7% y 1,2% (Estados Unidos y Reino Unido) en falsos positivos y de un 9,4% y 2,7% en falsos negativos”. Asimismo, “en un estudio independiente de seis radiólogos, el sistema de IA superó a todos los lectores humanos”.
¿Recuedas la fase 4 de prueba de error? Pues aún con estos resultados los investigadores han comentado que necesitan hacer más pruebas.
Esto debido a que los datos de entrada pueden estar carentes en muestras de algunos grupos étnicos o peculiaridades que acarrea algún resultado erróneo debido por ejemplo a las marcas con las que se tomaron las mamografías.
Conclusión
Aunque mencionamos aquí el ejemplo de Google Health, existen numerosos estudios para distintos tipos de cáncer como el de colon, próstata o piel. También para enfermedades como el Parkinson o el Alzheimer.
Aunque es un campo en el que vemos avances año con año y que mejoran la calidad de vida de los pacientes tratados, estamos aún lejos de la sustitución de especialistas por algoritmos de inteligencia artificial para diagnosticar casos de estas enfermedades.
¿Y tú? ¿Ya estás utilizando estas tecnologías?
Déjame saber tus comentarios.
🏆Consultor en Transformación Digital e Inteligencia Artificial desarrollando proyectos en organizaciones del Gobierno Mexicano como SAT, IMSS, CFE y en el sector privado para empresas internacionales como DHL, Santillana, citiBanamex, HSBC, Softtek y Grupo Salinas.
👨🚀 Podcast: Big Data para Negocios
⭕️CoOrganizer @tedxpolanco