A menudo, los pacientes que padecen una enfermedad rara tardan mucho tiempo en saber qué les pasa. Un nuevo motor de búsqueda “inteligente” proporciona un diagnóstico mejor y más rápido.
Con la ayuda de la inteligencia artificial, el motor de búsqueda trabaja a través de grandes bases de datos de imágenes de escáneres médicos. De este modo, no solo se detectan más rápidamente las enfermedades, sino que, al iniciar antes el tratamiento, el pronóstico también es mejor.
Los investigadores del hospital estadounidense Brigham and Women's de Boston hablan de un algoritmo de aprendizaje profundo que mejora continuamente en el reconocimiento de estados de enfermedad al hurgar en las bases de datos médicas y compararlas con las imágenes médicas de posibles nuevos pacientes.
Escáner de base de datos de autoaprendizaje
Este nuevo algoritmo de aprendizaje automático, denominado SISH (Self-Supervised Image Search for Histology), se está probando actualmente y tiene mucho potencial. El SISH no solo puede ayudar a detectar enfermedades raras, sino también a recomendar diferentes métodos de tratamiento y sopesar su eficacia y efectos secundarios. “Nuestro sistema tiene el potencial de ayudar y formar a los médicos para detectar mejor las enfermedades y los subtipos de enfermedades. La identificación de tumores y enfermedades raras también puede mejorar mucho con la ayuda del software”, afirma el autor principal, Faisal Mahmood.
Escalabilidad
Las modernas bases de datos electrónicas pueden almacenar una enorme cantidad de datos de registros digitales y escaneos médicos. Esto se hace principalmente con imágenes de diapositivas completas (WSI). Sin embargo, un WSI es muy detallado y, por tanto, consume mucho espacio de almacenamiento. Esto hace que el procesamiento y el almacenamiento de estos archivos de imagen sean engorrosos. Una base de datos de este tipo se vuelve rápidamente inmanejable y lenta debido al creciente número de imágenes, lo que hace que la búsqueda y la recuperación sean lentas e ineficientes. El equipo se ha centrado en este problema de escalabilidad y ha creado el programa de IA de autoaprendizaje SISH, que reconoce patrones y características en este tipo de bases de datos médicas llenas de imágenes y otros datos médicos, independientemente del tamaño de la base de datos.
Herramientas valiosas
El estudio utilizó los datos de la WSI de unos 22 000 registros de pacientes con más de 50 afecciones distintas (cánceres comunes y raros) en diferentes lugares del cuerpo humano. El algoritmo recuperó rápidamente y con precisión las imágenes coincidentes de la base de datos. El motor de búsqueda de autoaprendizaje funcionó más rápido y mejor que los métodos de diagnóstico habituales en muchos escenarios. Incluso cuando se ampliaron las bases de datos, SISH fue capaz de mantener su velocidad de búsqueda constante.
Todavía queda mucho trabajo por hacer en cuanto a las capacidades del motor de búsqueda médica inteligente, pero los investigadores van por el buen camino. El algoritmo necesita un ordenador con mucha memoria para funcionar correctamente y a veces da consejos ilógicos debido a su limitado sentido del contexto. Pero como ayudante del especialista médico, que constantemente aporta nuevas asociaciones y posibles diagnósticos, es una herramienta enormemente valiosa en la sala de tratamiento.
Acercarse
Por muy grande o pequeña que sea la base de datos médicos sobre la que brille el motor de búsqueda de autoaprendizaje, está demostrando ser inestimable para detectar afecciones inusuales. El algoritmo maneja la cantidad de imágenes y otros datos médicos en varios conjuntos de datos de forma extremadamente eficiente. También es especialmente importante su capacidad para ampliar una parte concreta de una imagen y reconocer en ella los síntomas de una determinada enfermedad. Como se ha mencionado, este trabajo podría suponer una valiosa contribución positiva para el diagnóstico, el pronóstico y el análisis de muchas enfermedades en el futuro.
“A medida que el tamaño de este tipo de bases de datos de imágenes siga creciendo, esperamos que SISH sea muy útil en la detección de enfermedades en el futuro y que, con sus algoritmos inteligentes, haga el diagnóstico más fácil, más rápido y más amigable para el paciente”, dice Mahmood. “Estamos convencidos de que las enfermedades se detectarán cada vez más utilizando un enfoque combinado. Combinar los datos de patología, radiología, genética e historia clínica electrónica en la búsqueda de casos de enfermedades similares es el futuro”.