Inteligencia artificial aprendió a predecir la expectativa de vida de la gente

^{Tomografía de casos fatales (izquierda) y de pacientes sobrevivientes (derecha).
Luke Oakden-Rayner et al. / Scientific Reports, 2017}

Un equipo de científicos de la Universidad de Adelaida, en Australia, ha enseñado a la inteligencia artificial a predecir la expectativa de vida de pacientes con enfermedades serias. Los científicos aseguran que la precisión del programa es del 69%, cifra que es comparable con la precisión que reportan los médicos en estos mismos casos. El paper ha sido publicado en Scientific Reports.
  
Como se sabe, para estudiar la condición de los órganos internos se emplean imágenes por tomografía computarizada, las cuales permiten obtener imágenes por cortes transversales de los órganos y tejidos. Con el objetivo de determinar la condición de un paciente y establecer una prognosis de su enfermedad, se requieren de especialistas altamente calificados para observar las imágenes. Por ello, esta investigación tiene el objetivo de acelerar, automatizar y precisar los diagnósticos con la ayuda de sistemas de aprendizaje de máquinas. 
 
En el presente proyecto, el aprendizaje de la inteligencia artificial no tuvo el objetivo de reconocer enfermedades específicas, sino desarrollar un sistema que pueda hacer una evaluación general de la salud del paciente y una prognosis de su expectativa de vida. Para ello, se empleó información de tomografías computarizadas del pecho de pacientes de 60 años en adelante, observados durante algunos años previos. De este modo, los investigadores obtuvieron información de las condiciones iniciales y el curso de una enfermedad. Para este proceso se crearon dos conjuntos de información. 
 
En el primero, se recopilaron imágenes de 24 pacientes fallecidos en 2014, los cuales, en el transcurso de cinco años previos a su muerte, fueron examinados empleando tomografías computarizadas. Cabe precisar que cuando se formaron los grupos, se seleccionaron pacientes sin señales visibles de enfermedades agudas, objetos metálicos en el pecho ni enfermedades oncológicas activas. El segundo grupo se formó con un grupo análogo de 24 pacientes vivos. 
 
El programa se desarrolló en base a redes neuronales convolucionales. Este tipo de redes se utilizan con frecuencia en el procesamiento de imágenes porque permite clasificar particularidades en distintos grados. En este caso, la red neuronal está entrenada para distinguir biomarcadores en las imágenes: un conjunto de parámetros de diagnósticos que distinguen distintos desórdenes en el fondo de un tejido saludable. De este modo, el sistema ha buscado en los órganos síntomas de distintas enfermedades y síndromes, como enfisema pulmonar e insuficiencias cardíacas. 
 
Como resultado, al observar los cambios en las imágenes de los pacientes, la red neuronal pudo predecir su tasa de supervivencia en cinco años con una precisión de 60%.
 
Gregory Kopiev
Si te gustó esta noticia, entérate de más a través de nuestros canales de Facebook y Twitter.