Inteligencia Artificial (IA) en la radiología, ventajas de su integración.

En artículos previos se ha comentado la relevancia de la IA en el mundo de la radiología. Gracias a esta, las máquinas son capaces de tomar las “mejores decisiones” después de haber sido entrenada mediante Machine Learning, o haber sido diseñada con Redes Neuronales a través del Deep Learning.

Esta bien, tal vez por el momento no tengas idea de que es cada cosa, entonces vamos a resumir que:

Deep Learning:

• Permite el diseño e implementación de una IA a través de Redes Neuronales. Este último nombre “Redes Neuronales”, proviene en la semejanza de estas con las neuronas biológicas. El número mínimo de capas en esta red es de 3, siendo la primera de entrada, donde entra la imagen, la segunda la oculta (la cual puede extenderse hasta un número de N capas), y la de salida (la cual arroja la información procesada).

Machine Learning:

• Esta se caracteriza por estar muy relacionada con la estadística, y lo que se busca es: procesar la información de entrada, extraer sus características más importantes (tales como la varianza, etc), y clasificarlas. Es decir, una vez extraídas las características de interés, se procede a hacer una especie de condicionales, que, de acuerdo con su repetición, clasificarán a la información en clases.

Inteligencia Artificial:

• Esta es la culminación del diseño, ya se entrenó a la máquina, esta será capaz de tomar decisiones automáticamente, sin la supervisión del humano, esta puede clasificarse en 3 categorías:

IA estrecha:

• Caracterizada por ser diseñada para la toma de decisiones en una sola tarea.

IA General:

• “Diseñada para actuar como si fuera un humano” [1].

Super IA:

• Permite superar a las mentes más brillantes humanas.

Comprendiendo que la IA es una máquina entrenada para tomar sus propias decisiones, estas brindan una gran ayuda a los seres humanos, debido a que requieren un tiempo menor para la resolución del problema, a comparación de las personas.

Esta ventaja de poder tomar mejores decisiones a una velocidad mucho mayor que a los seres humanos, permiten ser utilizadas en distintos campos, siendo uno de ellos el de la radiología, empresas como Symens (Healthineers Ysio X.pree) , Google, e Intel (Intel and GE Healthcare’s X-ray machine) han diseñado sus propias alternativas para poder brindar un mejor servicio al paciente, al igual que facilitarle la vida al personal [1].

Algunas de estas IA, permiten su almacenamiento en la nube .Lo cual, permite comparar los datos enviados, con respecto a sus bases de datos. Mientras que otras, integran en el mismo equipo la propia IA, pudiendo tener una menor inversión monetaria.

Cabe destacar que, gracias a la situación sanitaria global vivida, su implementación se ha incrementado. Debido a que podrían detectar la presencia de la COVID-19 en los pacientes en un menor tiempo.

A pesar de su viabilidad, es necesario considerar las implicaciones éticas y legales presentes, que podría conllevar su uso en el sector hospitalario.

Gada, U., Jain, N., Kodeboyina, S., & Menon, R. (2020). X-ray Machines integration with AI. 2020 IEEE 20th International Symposium on Computational Intelligence and Informatics (CINTI), Computational Intelligence and Informatics (CINTI), 2020 IEEE 20th International Symposium On.