El laborioso proceso de anotar conjuntos de datos masivos de pacientes a mano en un consultorio médico puede ser extenuante. Por eso, científicos del MIT trabajan por acelerar los procesos de toma de decisiones con ayuda de Inteligencia Artificial.
Expertos en informática están trabajando en nuevos algoritmos para automatizar pasos para la toma de decisiones en contextos médicos. Esto ayudará a los médicos a diagnosticar y tratar pacientes con mayor velocidad y precisión. Se trata de modelos de aprendizaje automático que se pueden entrenar para encontrar patrones en los datos del paciente para ayudar en el cuidado de la sepsis , diseñar regímenes de quimioterapia más seguros y predecir el riesgo de un paciente de tener cáncer de mama o morir en la UCI, por ejemplo.
Por lo general los expertos deben encontrar características muy concretas entre pacientes sanos y enfermos para predecir reacciones concretas en su salud. Esta “ingeniería de características” puede ser un proceso laborioso y costoso. Pero nuevas tecnologías como los sensores portátiles, permiten monitorear más fácilmente la biometría de los pacientes durante largos períodos, rastreando patrones de sueño, marcha y actividad de la voz, por ejemplo. Bajo este tipos de análisis se obtienen resultados más concretos luego de un par de semanas.
Recientemente, dos investigadores del MIT presentaron un modelo que aprende automáticamente las características predictivas de los trastornos de las cuerdas vocales. El modelo se entrenó aproximadamente con 100 sujetos y obtuvo miles de muestras en tan solo una semana. El conjunto de datos contiene señales capturadas desde un pequeño sensor acelerómetro montado en el cuello de los sujetos.
Con las muestras, el modelo logró clasificar, con alta precisión, pacientes con y sin nódulos de cuerdas vocales. El modelo se entrenó solo, sin necesidad de incorporar datos manuales.
“Cada vez es más fácil recopilar conjuntos de datos de series temporales largas. Pero hay médicos que necesitan aplicar sus conocimientos para etiquetar el conjunto de datos”, dice el autor principal del estudio, José Javier González Ortiz, estudiante de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT. “Queremos eliminar esa parte manual para los expertos y descargar toda la ingeniería de características en un modelo de aprendizaje automático”.
Este modelo se puede adaptar para aprender patrones de cualquier enfermedad o afección. Tradicionalmente, los expertos tendrían que identificar manualmente las características que pueden ser útiles para que un modelo detecte diversas enfermedades o afecciones. Por eso el modelo fue entrenado no solo pensando en que memorizara los datos de cada persona, sino que aprendiera cómo diagnosticar. Con ese fin, los investigadores obligaron al modelo a aprender características sin información del sujeto. Para su tarea, eso significaba capturar todos los momentos en que los sujetos hablan y la intensidad de sus voces.
De esta manera, el modelo pudo ser preciso a la hora de diagnosticar a las personas que tenían nódulos en sus cuerdas vocales. Próximamente, los científicos informáticos planean utilizar este modelo para monitorear cómo diversos tratamientos, como la cirugía y la terapia vocal, impactan el comportamiento vocal.
