Lo desarrollaron científicos de las universidades de Cambridge, en el Reino Unido, y Huazhong, en China, para agilizar los resultados y al mismo tiempo preservar la privacidad del paciente.
Un equipo internacional, dirigido por profesionales de la Universidad de Cambridge, Reino Unido, y la Universidad de Ciencia y Tecnología de Huazhong de China utilizó una técnica llamada aprendizaje federado para construir un nuevo modelo que permite detectar la presencia del virus COVID-19 por medio de prácticas de Inteligencia Artificial (IA). Mediante el aprendizaje federado, el modelo de IA es aplicable en un hospital o país, y puede verificar de forma independiente utilizando un conjunto de datos de otro hospital o país, sin compartir la información.
Los investigadores basaron su modelo en más de 9.000 tomografías computarizadas de aproximadamente 3.300 pacientes en 23 hospitales del Reino Unido y China. Sus resultados, publicados en la revista Nature Machine Intelligence, proporcionan un marco en el que las técnicas de inteligencia artificial pueden ser más confiables y precisas, especialmente en áreas como el diagnóstico médico, donde la privacidad es vital.
Los diagnósticos a través de IA han proporcionado una solución prometedora para agilizar los resultados de COVID-19 y futuras crisis de salud pública. Sin embargo, las preocupaciones en torno a la seguridad y la confiabilidad impiden la recopilación de datos médicos representativos a gran escala, lo que plantea un desafío para entrenar un modelo que se pueda utilizar en todo el mundo.
:quality(85)/cloudfront-us-east-1.images.arcpublishing.com/infobae/OOORUDGXAFDJ3IUVJXLA235NGY.jpg%20420w)
Durante los primeros días de la pandemia, muchos investigadores de IA trabajaron para desarrollar modelos que pudieran diagnosticar la enfermedad. Sin embargo, muchos de ellos se crearon utilizando datos de baja calidad, conjuntos de datos mal parametrizados o incompletos y con carencia de información por parte de los médicos. Muchos de los investigadores del estudio actual destacaron que estos modelos anteriores no eran aptos para uso clínico durante la temporada de pandemia de 2021.
“La inteligencia artificial tiene muchas limitaciones cuando se trata del diagnóstico de COVID-19, y debemos analizar y seleccionar cuidadosamente los datos para que terminemos con un modelo que funcione y sea confiable”, explicó el co-primer autor Hanchen Wang de Cambridge, perteneciente al Departamento de Ingeniería de dicha Universidad. Y agregó: “cuando los modelos anteriores se basaron en datos arbitrarios de fuente abierta, trabajamos con un gran equipo de radiólogos del NHS y del Grupo Hospitalario de Wuhan Tongji para seleccionar los datos, de modo que partiéramos desde una posición sólida”.
Los investigadores utilizaron dos conjuntos de informaciones de validación externas bien seleccionados, de tamaño apropiado para probar su modelo y asegurarse de que funcionaría bien en conjuntos de datos de diferentes hospitales o países. “Antes de COVID-19, la gente no se daba cuenta de la cantidad de datos que necesitaba recopilar para crear aplicaciones de inteligencia artificial médica, señaló el coautor Michael Roberts, de AstraZeneca, a cargo del Departamento de Matemática Aplicada y Física Teórica de Cambridge”.
:quality(85)/cloudfront-us-east-1.images.arcpublishing.com/infobae/OJX4VNC6HNDNZHTSDRS3OYZVCM.jpg%20420w)
“Diferentes hospitales, distintos países, todos tienen sus propias formas de hacer las cosas, por lo que se necesita que los conjuntos de datos sean lo más grande posible para hacer un rastreo que sea útil para la más amplia gama de médicos”., agregó.
Los investigadores basaron su marco en tomografías computarizadas tridimensionales en lugar de imágenes bidimensionales. Las tomografías computarizadas ofrecen un nivel de detalle mucho mayor, lo que da como resultado un modelo mejor. Utilizaron 9.573 tomografías computarizadas de 3.336 pacientes recolectados de 23 hospitales ubicados en China y el Reino Unido.
Además, tuvieron que mitigar el sesgo causado por los diferentes conjuntos de datos y utilizaron el aprendizaje federado para entrenar un modelo de IA mejor generalizado, al tiempo que preservaban la privacidad de cada centro de datos en un entorno colaborativo. Para una comparación justa, los investigadores validaron todos los modelos con los mismos datos, sin superponerse con los datos de entrenamiento. El equipo hizo que un panel de radiólogos realizara predicciones de diagnóstico basadas en el mismo conjunto de tomografías computarizadas y comparó la precisión de los modelos de IA y los obtenidos por los profesionales.
:quality(85)/cloudfront-us-east-1.images.arcpublishing.com/infobae/R3QUN6PYUJHD3OCIAH3MHJFPTU.jpg%20420w)
Los investigadores dicen que su modelo es útil no solo para COVID-19, sino para cualquier otra enfermedad que pueda diagnosticarse mediante una tomografía computarizada. “La próxima vez que haya una pandemia, y hay muchas razones para creer que la habrá, estaremos en una posición mucho mejor para aprovechar las técnicas de IA rápidamente para que podamos comprender las nuevas enfermedades con más velocidad, afirmó Wang.
“Hemos demostrado que es posible cifrar los datos médicos, por lo que podemos crear y utilizar estas herramientas al tiempo que preservamos la privacidad del paciente a través de las fronteras internas y externas. Al trabajar con otros países, podemos hacer mucho más de lo que podemos hacer solos”, aportó Roberts.
Actualmente, los investigadores se encuentran colaborando con el recién creado Centro de la OMS para Inteligencia contra Pandemias y Epidemias, para explorar la posibilidad de promover los marcos de atención médica digital que preservan la privacidad.
INFOBAE
- La nieta de Elvis Presley presentó una demanda para paralizar la subasta de la mansión Graceland - 21 de mayo de 2024
- Abinader insta a gran pacto nacional en República Dominicana - 21 de mayo de 2024
- Asamblea General reconoce mayor participación de Palestina en la ONU - 10 de mayo de 2024