Por qué la atención médica necesita inteligencia artificial desde la perspectiva de los pacientes Los pacientes hablan … anoxia al nacer

Si tiene la mala suerte de ingresar a un hospital, especialmente en la unidad de cuidados intensivos (UCI) con enfermeras, el trastorno de ansiedad significa kannada que corre a lo largo de los pasillos, los médicos emergen solemnemente en las habitaciones de los pacientes, su última preocupación es la inteligencia artificial. Esas discusiones semi científicas de alto nivel que abruman a los foros de desarrolladores, redes sociales o programas de TI parecen irrelevantes para la laboriosa vida cotidiana de la UCI.

Gran percepción errónea. Para un correcto diagnóstico se suelen necesitar pruebas de imagen. Por ejemplo, la tomografía computarizada (TC) de cabeza es el estándar de oro para diagnosticar el accidente cerebrovascular agudo en las primeras 3 horas después de un posible accidente cerebrovascular (ACV). Si bien el accidente cerebrovascular isquémico requiere terapia anticoagulante o antiplaquetaria, la misma terapia es mortal para los pacientes con hemorragia.


Sin embargo, una tomografía computarizada no produce una imagen suficientemente clara para el accidente cerebrovascular isquémico, que normalmente es el 80% de los casos. Por lo tanto, según la academia estadounidense de neurología dentro de las 12 horas posteriores a la primera RM de difusión de síntomas de un derrame cerebral de una persona, debe considerarse más útil que una tomografía computarizada.

Durante varios días tuve síntomas de daño cerebral anóxico al observar el arduo trabajo de neurólogos altamente competentes en una de las clínicas médicas universitarias más respetables de Baviera, Alemania. El equipo de médicos estaba luchando para comprender el desarrollo de múltiples accidentes cerebrovasculares isquémicos recurrentes que se produjeron en un paciente aproximadamente dentro de un año. Varios estudios de resonancia magnética proporcionados por diferentes hospitales en diferentes períodos de tiempo tuvieron que ser estudiados y comparados cuidadosamente. Una tarea aparentemente sencilla. Sin embargo, todos los días apareció una nueva versión del diagnóstico: sí, hubo un derrame cerebral, no hubo ningún derrame cerebral o lo fue, pero hace mucho tiempo. Todos esos días, un paciente y su familia se perdieron en la ansiedad, mientras que varios médicos pasaban horas obviamente interesados ​​en comprender el problema neurológico dado. Finalmente, el consejo médico estipuló que en la encefalopatía anóxica icd 10 la resolución de la imagen no era suficiente para una comparación vascular correcta.

La interpretación de los escaneos es compleja. Depende de la experiencia humana, pero en la medida en que existan factores externos, la resolución del equipo de MRI es la más importante. La fuerza de los campos magnéticos se mide en tesla severa lesión cerebral axonal difusa. Cuanto menor es la intensidad del campo magnético, menos clara es la imagen. La mayoría de los escáneres de resonancia magnética tienen una magnitud de campo de 1.5 tesla. El estándar Golden 3 Tesla no es asequible en un hospital ordinario. Por lo tanto, la resolución óptica de la MRI no siempre es suficiente para distinguir las lesiones de los artefactos. Eso es un factor humano: leer numerosos escaneos todos los días es un desafío para los ojos y el cerebro.

Aquí la inteligencia artificial (IA) y el aprendizaje automático pueden ayudar. El software de AI puede explorar una gran cantidad de datos de entrada, por ejemplo, lesiones visualizadas en imágenes de resonancia magnética o tomografías computarizadas, comparándolas con lesiones cerebrales definidas correctamente. Aprovechando los errores anteriores, los sistemas de inteligencia artificial pueden aprender infinitamente a identificar adecuadamente las lesiones en las exploraciones de computadoras. Al distinguir las semejanzas y las variaciones en los objetos observados, la computadora desarrollará patrones basados ​​en el conocimiento adquirido.

Finalmente, los conceptos de IA se inspiraron en la capacidad del cerebro humano para procesar información. Los seres humanos pueden pensar y comunicarse debido a la población de neuronas cerebrales interconectadas que llevan funciones específicas cuando se activan. Cada neurona intercambia señales (sinapsis) con otras neuronas de proyectos de nanoxia con la ayuda de sustancias eléctricas o químicas. Similar a las redes neuronales biológicas, las redes neuronales artificiales (ANN) están compuestas por varias unidades interconectadas, o neuronas artificiales. Cada neurona artificial está vinculada a varias otras, transmitiendo señales a lo largo de estas conexiones. Las computadoras habilitadas por ANN pueden operar con la velocidad y el alcance de los datos que exceden las capacidades de un cerebro humano.

De acuerdo con un nuevo estudio sobre la tasa de supervivencia de lesiones cerebrales anóxicas publicado en la medicina natural, una plataforma de inteligencia artificial pudo detectar eventos neurológicos agudos en imágenes de TC en solo 1,2 segundos. Los investigadores han entrenado una red neuronal convolucional 3D con un conjunto de datos de radiología clínica de más de 37,000 exámenes de TC de cabeza. El sistema era capaz de diagnosticar perturbaciones neurológicas como un accidente cerebrovascular o hemorragia más rápido que cualquier radiólogo humano, alertando a los especialistas cuando se detectó un problema.

El ruido de las exploraciones electrónicas o tejidos en el cuerpo también puede deteriorar seriamente la calidad de las imágenes. Para lograr una mejor imagen, es necesario aplicar un campo magnético externo más fuerte para la anoxia y la hipoxia, lo que significa una máquina de MRI más costosa. Para abordar este problema, los investigadores del centro de martinos para imágenes biomédicas y la universidad de Harvard del hospital general de Massachusetts (MGH) desarrollaron un sistema de inteligencia artificial llamado AUTOMAP. El sistema utiliza un método basado en inteligencia artificial para distinguir efectivamente las señales contra el ruido para mejorar la calidad de las imágenes en las máquinas de MRI de campo bajo. El equipo ha utilizado un conjunto de 50,000 escáneres cerebrales de RM para entrenar a AUTOMAP para reconstruir imágenes y detectar lesiones neurológicas. Los investigadores afirman que AUTOMAP proporcionará una reconstrucción instantánea de la imagen para respaldar el proceso de toma de decisiones durante el escaneo, lo que evitará que se realicen visitas adicionales de diagnóstico de enfermería con lesión cerebral anóxica al paciente.

Otro ejemplo vino de China. Según la agencia de noticias china xinhua, investigadores chinos de la academia china de ciencias, en colaboración con médicos del hospital general de liberación popular y del comando militar de guangzhou, han desarrollado un modelo de inteligencia artificial para estimar la gravedad de las lesiones cerebrales.

Las imágenes de ayuda de ataque de ansiedad cerebral de aproximadamente 63 pacientes con trastornos de la conciencia (DOC) se registraron en el sistema después de un mes de su lesión cerebral. Tras la alimentación de datos, el modelo evaluó la probabilidad de recuperación del paciente de acuerdo con la información que se registra. La tasa de precisión alcanzada fue del 88% en 100 casos a partir de los conjuntos de datos de ambos hospitales.

¿Debería la IA eventualmente sustituir la inteligencia de los humanos? Probablemente no, al menos en el futuro previsible. Los radiólogos capacitados no solo pueden rastrear anomalías en las imágenes, sino que analizan todo el proceso de la enfermedad con síntomas de anoxia. Dado que la inteligencia artificial está tratando con patrones, hasta ahora es difícil que tales sistemas puedan hacer frente a las imprevisibilidades. Los humanos, por el contrario, son capaces de prever cosas extendiendo su experiencia. Esta experiencia de vida no se basa en la entrada de datos fijos, por enorme que pueda ser, sino en la interacción dinámica con el mundo exterior en constante cambio. De ahí la creatividad, la imaginación son aún prerrogativas del cerebro humano.

La fiabilidad de los sistemas de inteligencia artificial también es cuestionable y debe ser verificada por la experiencia humana y el sentido común. Los sistemas AI dependen en gran medida de la precisión de los datos de entrada y las muestras. Los datos de entrada insuficientes y la evaluación errónea (evaluación de las ponderaciones de los datos de entrada) pueden llevar el tratamiento agudo del mioclono posthoxoxic a la muestra de datos corruptos y, en consecuencia, a predicciones erróneas.

Presumiblemente, los sistemas de IA complementarán a los médicos, especialmente en ámbitos como la radiología, la oncología o la neurociencia. Al detectar variaciones menores en la imagen, que pueden escapar de la atención humana, la IA puede facilitar decisiones más rápidas y más precisas. También puede proporcionar a los médicos imágenes de alta calidad derivadas de las máquinas de resonancia magnética de gama baja. En cuanto a los pacientes, esperamos que nuestra salud no dependa de la mala calidad de las resoluciones de RMN y de las complejidades de las interpretaciones de las imágenes.