Por
Imágenes Reeldeal / Alamy
Una nueva forma de entrenar sistemas de inteligencia artificial médica (IA) ha demostrado ser mucho más precisa para diagnosticar enfermedades que los esfuerzos anteriores.
El sistema de inteligencia artificial desarrollado por investigadores del University College London y Babylon Health, un proveedor de servicios médicos del Reino Unido, se basa en la causalidad más que en la correlación para identificar lo que podría no serlo. sea el caso de las personas. Es más preciso que los sistemas de inteligencia artificial preexistentes e incluso superó a los médicos reales en un ensayo pequeño y controlado.
A diferencia de los sistemas de IA tradicionales, que identifican la enfermedad más probable en función de los síntomas que presenta un paciente, el sistema de IA causal imita más de cerca cómo un médico diagnostica a los pacientes: mediante preguntas contrafactuales para reducir la gama de posibles condiciones.
Publicidad
La diferencia entre correlación y causalidad es importante en medicina. Un paciente puede presentarse en el hospital con dificultad para respirar. Una IA basada en correlación puede relacionar la dificultad para respirar con el sobrepeso y el sobrepeso con la diabetes tipo 2 y, por lo tanto, recomendar la insulina. Más bien, un sistema basado en la causalidad podría centrarse en el vínculo entre la dificultad para respirar y el asma y, por lo tanto, explorar otras opciones de tratamiento.
"Decidimos volver a poner la causalidad en el cuadro, para que realmente podamos encontrar las enfermedades que causan los síntomas en el paciente y ayudarlo en base a eso", dice Ciarán Gilligan-Lee de University College London, uno de los autores del artículo.
El sistema recibió 1.671 resúmenes de casos médicos realistas de más de 20 médicos que mostraban síntomas de aproximadamente 350 enfermedades diferentes. Un grupo de 44 médicos del Servicio Nacional de Salud (NHS) del Reino Unido también trató un promedio de 159 de estos casos cada uno, para ver si podían averiguar qué estaba mal. Diagnosticaron correctamente el caso el 71,4% de las veces en promedio, mientras que una IA más antigua basada en correlación tenía razón el 72,5% de las veces. La IA causal fue correcta el 77,3% de las veces.
Cuando se trata de un subconjunto de enfermedades particularmente raras como el linfoma no Hodgkin, la nueva IA siempre ha superado a los médicos. En esos casos, era alrededor de un 30% mejor que el antiguo sistema de inteligencia artificial. Sin embargo, los médicos pudieron identificar mejor los problemas más comunes porque los encontraban con frecuencia, dice Gilligan-Lee. Planea obtener la aprobación regulatoria y la validación clínica del sistema, con el objetivo de colocarlo en una aplicación donde los pacientes puedan obtener consejos sobre síntomas y tratamientos.
"Describen muy bien un nuevo enfoque técnico para un problema", dice Xiaoxuan Liu de University Hospitals Birmingham NHS Foundation Trust, Reino Unido, que ha realizado investigaciones sobre sistemas médicos en el Reino Unido. aprendizaje profundo. "La metodología descrita en el artículo es muy buena y la técnica parece prometedora".
El hecho de que el sistema supere a los médicos en el diagnóstico de enfermedades raras es emocionante, dice Liu, aunque advierte que esto se encuentra en una etapa temprana y que el número de resúmenes de casos fue relativamente bajo. "Tenemos que ver cómo funciona en casos concretos, donde la historia no es muy clara y donde a veces interactúan varias enfermedades".
Referencia de la revista: Comunicaciones de la naturaleza, DOI: 10.1038 / s41467-020-17419-7
Obtenga más información sobre estos temas:
Deja un comentario