Aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica.
El machine learning (ML) es una disciplina de la ciencia de la computación y rama de la inteligencia artificial. EL ML tiene por objetivo desarrollar sistemas que aprenden automáticamente, o sea reconocer patrones y predecir comportamientos, a partir de conjuntos de datos. Las herramientas más importantes del ML se encuentran las redes neuronales artificiales, en inglés como artificial neural networks (ANNs), y el aprendizaje profundo como deep learning (DL).
Las ANNs y el DL representan una enorme oportunidad para la ingeniería biomédica. Estas permiten apoyar a profesionales de la salud con análisis rápidos de grandes conjuntos de datos e información médica de hospitales e institucionales de salud. Además de generar mejoras en los protocolos de diagnóstico y pronóstico de enfermedades, aumentando la velocidad y reduciendo los errores médicos; diseño de terapias personalizadas más eficientes y mejoras en el bienestar humano.
Las aplicaciones de las ANNs y el DL a la ingeniería biomédica se dividen en cuatro campos: la ómica, la imagenología, las interfaces cerebro-máquina y hombre-máquina; y la gestión y administración de la salud pública. Estos campos abarcan toda la biomédica, extendiéndose desde el ADN, ARN y las estructuras proteínicas, hasta los conjuntos de población humana en general.
¿Cuáles son estos campos?
La ómica, también bioinformática o biomedicina, tiene como objetivo estudiar e investigar los procesos biológicos a nivel molecular. Con el objetivo de diagnosticar, predecir y prevenir enfermedades, e involucrar a los pacientes en terapias y tratamientos más eficientes y personalizados.
En imagenología, es el conjunto de técnicas y procedimientos que permiten obtener imágenes biológicas o médicas del cuerpo humano con el propósito de examinar y diagnosticar enfermedades. La imagenología médica tiene como objetivo el estudio de los órganos humanos a partir de imágenes obtenidas por diferentes métodos, como la resonancia magnética (magnetic resonance imaging, MRI); la tomografía computarizada (computed tomography, CT), el ultrasonido, la tomografía por emisión de positrones (positron emission tomography, PET), los rayos X 2D y 3D, entre otros.
Las interfaces cerebro-máquina y hombre-máquina son una combinación de hardware y software; señales eléctricas de la actividad cerebral y muscular que permiten controlar dispositivos externos o diagnosticar enfermedades. Se componen de un sensor, un electrodo encargado de adquirir las señales de la actividad cerebral o muscular, una etapa de amplificación y filtrado, y un sistema de control. Para el control de dispositivos externos, las ANNs y el DL han sido aplicados al reconocimiento de patrones de movimiento de manos a partir de señales superficiales de electromiografía (EMG) del antebrazo. Esto con el fin de mejorar el control y funcionalidad de las manos protésicas.
La gestión y administración de la salud pública pretende prolongar la vida humana. Promoviendo el cuidado de la salud por medio del análisis de la propagación de enfermedades y su relación con factores ambientales y sociales. El potencial de las ANNs y DL se establece en el manejo rápido y eficiente de la información para fines de clasificación, predicción, reconocimiento de patrones y modelado de interacciones.
¿Qué aplicaciones puede tener?
Sus principales aplicaciones del ML a la gestión y administración de la salud pública se concentran en la vigilancia de enfermedades, epidemias y pandemias; el modelado y análisis de enfermedades asociadas a hábitos, estilos de vida, factores sociales y ambientales. Además de la predicción de la calidad del aire, la vigilancia en la seguridad de los medicamentos, entre otros.
En los últimos años las ANNs y el DL han sido aplicados a la resolución de diversos problemas de ingeniería. Estos modelos de algoritmos computacionales poseen aplicaciones en todas las ramas de la ingeniería biomédica. Desde aquellas que se dedican a la investigación y estudio de las estructuras de ADN y los procesos moleculares, como la ómica; hasta aquellas que se extienden a conjuntos de personas y largas poblaciones, como la gestión y administración de la salud pública. El potencial de las ANNs y DL en la ingeniería biomédica se encuentra en la capacidad para manejar grandes conjuntos de datos, reconocer patrones, extraer características, clasificar y predecir comportamientos.
Luis Sarmiento-Ramos, J. (2020). Aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica. UIS Ingenierías, 19(4), 1–18. https://doi-org.udlap.idm.oclc.org/10.18273/revuin.v19n4-2020001
