Machine learning o aprendizaje artificial: todo lo que un médico debe saber

Seguramente has escuchado hablar sobre machine learning o aprendizaje artificial, y sobre cómo la inteligencia artificial cambiará el mundo tal como lo conocemos. En este artículo te explicamos su significado y utilidad en el campo de la salud.

 

¿Qué es el aprendizaje artificial?

El aprendizaje artificial estudia los patrones que permiten a las máquinas (los ordenadores) aprender por sí solas. Utilizando una secuencia de instrucciones (algoritmos), las computadoras pueden evolucionar sin que el ser humano tenga que escribir códigos de programación. El propósito es que las máquinas aprendan tal como lo haría una persona y puedan ejecutar tareas cada vez más difíciles, tanto conocidas como nuevas o imprevistas.

Las primeras aplicaciones del aprendizaje artificial empezaron en los años 80, a la vez que se iba desarrollando la capacidad de los ordenadores. Al principio, sus funciones fueron básicas: programas que jugaban al ajedrez, selección de correos electrónicos no deseados, etc. Con el tiempo, se volvieron cada vez más complejas y ahora nos ayudan en las actividades diarias; ejemplos actuales son el reconocimiento de voz, la traducción automática o los coches sin conductor, que aprenden a conducir por sí mismos.

 

Tipos de algoritmos

Existen tres tipos de algoritmo de aprendizaje:

  • Aprendizaje supervisado. Este primer paso consiste en que las máquinas aprenden mediante ejemplos.
  • Aprendizaje no supervisado. En el paso siguiente, la máquina ya no cuenta con un ejemplo a seguir, sino que tiene que recopilar información para solucionar el problema que se le presenta.
  • Aprendizaje por refuerzo. Por último, la máquina aprende mediante un método de ensayo y error en diversas situaciones. El ordenador conoce los resultados del problema que se le presenta y, repitiendo la tarea, va aprendiendo la mejor manera de llegar al resultado deseado.

 

¿Cuál es la aplicación práctica del aprendizaje artificial?

El campo de la salud es uno de los más fértiles para el aprendizaje artificial. A continuación, te contamos algunas de las áreas de aplicación.

 

Diagnóstico médico

El machine learning permite usar el aprendizaje automático y el reconocimiento de patrones e imágenes para analizar diferentes fuentes de información. Los algoritmos permitirían combinar los datos de la historia clínica del paciente con pruebas de imagen, para así llegar a un diagnóstico precoz y certero. Además, la inteligencia artificial es capaz de comparar pruebas diagnósticas de un paciente con miles de ejemplos de otros pacientes, lo cual permite un diagnóstico muy preciso, más rápido y más barato.

Aparte de lo dicho, tiene otras ventajas. Por ejemplo, se pueden hacer muchas tareas de manera automática, para ahorrar tiempo al médico. Además, estos métodos se pueden utilizar en zonas remotas, donde no hay personal médico cualificado.

Un interesante ejemplo es el proyecto Helpsalud, que investiga la aplicación del aprendizaje artificial en la detección precoz del cáncer de mama.

 

Análisis del big data

Desde la secuenciación del genoma humano en 2003, la investigación ha presentado muchos avances en genómica y ha generado una cantidad inimaginable de datos, llamados big data o datos masivos.

Un gran reto es cómo utilizar y analizar esos datos. El aprendizaje artificial permite, por ejemplo, comparar datos genómicos para diagnosticar enfermedades genéticas, diagnosticar subtipos de cáncer o determinar el mejor tratamiento, comparando la información con resultados obtenidos previamente. En definitiva, ofrece una forma individualizada de diagnóstico y tratamiento, en vez de una generalizada: es la llamada medicina personalizada o de precisión.

 

Análisis de datos reales de los pacientes

Aparte de los datos genómicos, el sector salud dispone de datos reales de los pacientes, como sus hábitos diarios o los resultados del tratamiento que han recibido. Aplicando las herramientas de análisis de datos correctas, podríamos mejorar la atención, predecir las enfermedades y detectar los riesgos de cada paciente, de forma personalizada.

Por ejemplo, el Instituto de Ingeniería del Conocimiento ofrece, entre otros servicios, la segmentación de los pacientes crónicos para predecir su evolución y el tratamiento más adecuado.

 

Conclusiones y recomendaciones

La inteligencia artificial y el aprendizaje artificial están cambiando el campo de la salud. Las nuevas tecnologías permitirán un trato personalizado para cada paciente, con mejor atención a un coste menor.

 

Referencias bibliográficas

  1. The NewNow. La tecnología para construir el futuro. 10 ejemplos de cómo la Inteligencia Artificial revolucionará la salud. [Consultado en febrero de 2019].
  2. Instituto de Ingeniería del Conocimiento. Big data en salud. [Consultado en febrero de 2019].
  3. Elsevier. ¿Qué es el machine learning? 22 de agosto de 2018. [Consultado en febrero de 2019].

 

 

Quizá pueda interesarte también

 

Al día en Diabetes

Tenemos el placer de presentar el canal de podcasts del Grupo de Trabajo de Diabetes, Obesidad y Nutrición de la Sociedad Española de Medicina Interna...

Acceder

Easy Project

Visualiza el vídeo del Dr. Carlos Cabrera presentando “Easy Project” una herramienta sencilla que simplifica el manejo de la EPOC.

Acceder

Quizá pueda interesarte también

 

Buenas Prácticas SEMG en el manejo de la DM2

El Dr. Carlos Miranda, presenta en un vídeo este documento práctico que hace una puesta al día en el conocimiento de la diabetes mellitus tipo 2 y su abordaje en el primer nivel asistencial.

Acceder

DUDAS FRECUENTES IDARUCIZUMAB

Resuelve todas tus dudas sobre manejo práctico de idarucizumab en situaciones de urgencia y sobre el reinicio de tratamiento con dabigatrán

Acceder

La paradoja de la EPOC: inhalar sin esfuerzo.

El inhalador es clave en la eficacia del tratamiento. Accede a descubrir cual es la elección del inhalador más adecuado para que tus pacientes puedan inhalar sin esfuerzo.

Acceder

Quizá pueda interesarte también

 

Riesgo CV de los pacientes con DM2

La Dra. Cebrian y el Dr. Juanatey nos explican la importancia de tener en cuenta la DM2 como factor de riesgo cardiovascular.

Acceder

DUDAS FRECUENTES DABIGATRÁN

Resuelve todas tus dudas sobre posología, dosificación, interacciones así como del manejo de dabigatrán en cirugía y situaciones de urgencia

Acceder

Quizá pueda interesarte también

 

Abordaje integral del paciente diabético

Accede y descubre el documento elaborado por el Grupo de Diabetes de SEMERGEN para el abordaje del paciente diabético

Acceder

El reto del tratamiento del paciente DM2 con IC

Existe una asociación bidireccional entre la insuficiencia cardíaca y la DM2 que hace que la combinación de ambas enfermedades en un mismo paciente haya pasado a tener un incremento exponencial...

Acceder

IMPLÍCATE MÁS

Accede a la tercera edición de Implícate Más, un curso online de especialización en estrategias de abordaje y tratamiento de la fibrilación auricular.

Acceder

Quizá pueda interesarte también

 

Curso sobre avances clínicos en Fibrosis Pulmonar Idiopática (FPI)

Accede a los cursos gratuitos acreditados de Medscape sobre el manejo, diagnóstico y tratamiento de la fibrosis pulmonar idiopática (FPI).

Acceder

Guía SEPAR teleconsulta pacientes respiratorios

Accede a esta guía para ver los elementos esenciales que debe contemplar la teleconsulta aplicada al seguimiento de los pacientes con 20 enfermedades respiratorias, entre ellas: EPOC, covid19 y asma.

Acceder

ALGORITMO DOSIS ACOD

¿Cómo se dosifica cada ACOD? Consulta el algoritmo de ajuste de dosis de los diferentes ACOD

Acceder

PLM.198.02.2016 - Última actualización: 02/12/2020