Inteligencia Artificial en Medicina

- ,
bots-biometria

Escrito por Luis Royero Meneses en Planeta Chatbot.

El campo de la medicina es uno de los que más está siendo afectado de forma positiva por los desarrollos en Inteligencia Artificial (IA).

Desarrollo de ChatBots para empresas

Creamos chatbots en WhatsApp, Facebook Messenger, Telegram...

Contáctanos en nuestra web

Según un reporte de Frost & Sullivan, el uso de soluciones de IA para los flujos de trabajo en el hospital mejorará significativamente la atención a los pacientes. En general, la IA tiene el potencial de mejorar los resultados entre un 30 y un 40 por ciento a la vez que reduce los costos de tratamiento hasta en un 50 por ciento. “Para el año 2025, puede que los sistemas de inteligencia artificial estén involucrados en todo, desde la gestión de la salud a nivel poblacional hasta avatares digitales capaces de responder consultas específicas de pacientes” dice Harpreet Singh Buttar, analista de Frost & Sullivan.

Existen varios excelentes ejemplos de la implementación de IA que nos hacen ser optimistas sobre el futuro cercano, aquí presento algunos.

SkinVision

SkinVision es una app para detectar el cáncer de piel con la cámara del teléfono celular. Tiene una precisión superior al 70% en el diagnóstico de melanoma.

El melanoma es un tipo de cáncer de piel y uno de los que más muertes ocasiona, más del 60% de los casos se produce a causa de la radiación ultravioleta del sol.

Para usar esta app, el usuario tiene que fotografiar las marcas de su piel que quiera analizar con la cámara del teléfono celular, luego el sistema estudia distintos parámetros del lunar o la mancha para asignarle un nivel de peligro: bajo, medio o elevado. “El algoritmo actualmente analiza siete criterios diferentes y se mejorará aún más en función del crecimiento continuo en nuestra base de datos (actualmente mas de 1 millón de imágenes)” explica Dick Uyttewaal, CEO de SkinVision

Biofourmis

Biofourmis, está desarrollando un motor de análisis de inteligencia artificial que extrae datos de dispositivos médicos aprobados por la FDA y predice resultados de salud para los pacientes.

Biofourmis, es una startup fundada en septiembre de 2015 en Singapur, aprovechan el poder de la IA para detectar patrones personalizados que predicen el deterioro de la salud del paciente. Utilizan dispositivos médicos como wearables y sensores biológicos para capturar señales fisiológicas y detectar anomalías. Esta plataforma de monitoreo continuo habilitada por IA alerta a los profesionales médicos para que intervengan incluso días antes de un evento crítico.

“En Biofourmis, estamos reinventando la monitorización remota de pacientes que mejorará los resultados clínicos y reducirá los reingresos después del alta. Nuestra tecnología de AI identifica el deterioro de la salud semanas antes de la readmisión en el hospital”, explica el fundador y CEO Kuldeep Singh Rajput.

Actualmente trabajan con la Clínica Mayo para acceder a datos médicos anónimos de ensayos clínicos y otras fuentes de datos médicos. Esta colaboración les permite optimizar su producto “Biovitals”.

ContinUse Biometrics

ContinUse Biometrics, con sede en Israel, está desarrollando su propia tecnología de detección. Monitorea más de 20 parámetros fisiológicos, incluidos la frecuencia cardíaca, los niveles de glucosa y la presión arterial, y utiliza inteligencia artificial para detectar un anormalías.

ContinUse Biometrics desarrolla una tecnología de detección remota, sin contacto con el paciente que al mismo tiempo identifica y autentica a los usuarios y monitorea su estado fisiológico. Ha desarrollado un sensor óptico basado en láser que combina hardware y tecnologías de procesamiento automático de imágenes para medir la salud física de los pacientes a nivel molecular.

El sensor puede comunicarse con dispositivos electrónicos comunes (por ejemplo, teléfonos celulares, asistentes, entre otros), permitiendo a las personas tener un control médico continuo, donde sea que estén: en la clínica, en casa, en el trabajo o mientras conducen. El sensor permite la detección remota de la frecuencia cardíaca y respiratoria, incluida la auscultación de los sonidos cardíacos y pulmonares, la presión arterial, la miografía, la hemodinámica periférica e incluso algunos datos bioquímicos, todo desde la distancia, sin ningún contacto físico con el usuario.

BioMedIA

En BioMedIA desarrollan técnicas computacionales para el análisis de imágenes biomédicas.

BioMedIA ha desarrollo algoritmos para la adquisición, análisis e interpretación de imágenes. Utilizan aprendizaje automático para la extracción de información clínicamente útil de imágenes médicas, en particular para detección y diagnóstico. Actualmente desarrollan y evalúan SonoNet para monitoreo fetal en tiempo real utilizando ultrasonido convencional. El procesamiento automático de imágenes puede proporcionar herramientas para ayudar a los operadores experimentados o sin experiencia en la evaluación clínica y detectar de esta manera malformaciones u otras alteraciones. Los detalles técnicos sobre el uso de redes neuronales convolucionales en esta nueva técnica los han presentado en un artículo científico de libre acceso.

Inteligencia Artificial en Salud Mental

Investigadores de IBM utilizan la IA para predecir el riesgo de desarrollar psicosis

El lenguaje es una de las principales herramienta con la que los psiquiatras evalúan a sus pacientes para ciertos desórdenes mentales, como la depresión o la esquizofrenia. Es por eso que dos equipos de investigadores de IBM (de los Grupos de Psiquiatría Computacional y Neuroimágenes) liderados por el investigador argentino Guillermo A. Cecchi decidierondesarrollar una inteligencia artificial capaz de predecir la producción de un episodio psicótico en un paciente, incluso con varios meses de antelación. En un estudio ya publicado en la revista World Psychiatry, utilizaron transcripciones de entrevistas realizadas a varios individuos, se dividieron y se calificaron según la coherencia de las oraciones. Luego, un modelo de aprendizaje automático determinó, en función de esos patrones del habla, quién estaba en riesgo de desarrollar psicosis y quién no con una precisión de más del 80%. “Creemos que este es un paso importante hacia el objetivo de desarrollar una herramienta para profesionales de la salud mental, cuidadores y pacientes. Una herramienta que pueda ampliar y multiplicar el alcance de la evaluación neuropsiquiátrica fuera de la clínica” explicó el Dr Cecchi en una entrevista.

¿Qué otros ejemplos conoces?

Como siempre, todos los comentarios son bienvenidos, me puedes encontrar también en:

Twitter personal: @DrTechnoLuis

Instagram: @dr.technoluis

Y en Hacking Health:

Facebook: Hacking Health Mexico City

Twitter: @HHMexicoCity

Entradas del mismo autor

Deja un comentario