Diagnóstico basado en imágenes, a través de agentes inteligentes

La tecnología de Inteligencia Artificial (IA) se basa en la teoría y el desarrollo de los sistemas informáticos capaces de realizar tareas que normalmente requieren de la inteligencia humana.En este contexto, el Deep Learning es una familia de métodos computacionales que permiten a un algoritmo programarse el mismo, mediante el aprendizaje de un gran conjunto de ejemplos que demuestran el comportamiento deseado.La aplicación de estos métodos a la imagen médica puede ayudar a los patólogos en la detección del diagnóstico de tejidos afectados.El propósito de este estudio es mostrar la aplicación emergente de la IA en imágenes médicas para detectar el cáncer de mama.Los resultados también sugieren que esta nueva tecnología puede generar un cambio de paradigma tecnológico para la evaluación de diagnóstico de cualquier tipo de cáncer. Sin embargo, la aplicación de estos métodos a la imagen médica requiere una mayor evaluación y validación para ayudar a los patólogos para aumentar la eficiencia de sus diagnósticos.

artificial intelligencedeep learning algorithmsmachine learningcancer imagingclinical practice

Inteligencia Artificial (IA) es el campo de la investigación que estudia y desarrolla sistemas tecnológicos que pueden resolver tareas complejas en formas que tradicionalmente necesitan la inteligencia humana. Esta nueva tecnología, originada a partir de la interacción entre la ingeniería, ciencias de la computación y otras ciencias aplicadas, está desarrollando campos importantes de investigación aplicada con la transferencia de tecnología en robótica, procesamiento natural del lenguaje, aprendizaje automático, visión artificial, etc. La inteligencia artificial puede ser fuente de un desarrollo de auto-propagación de la tecnología que adquiere nuevas funcionalidades de la industria digital y las tecnologías de la información y comunicaciones, lo cual puede generar un gran cambio industrial y social en los sistemas económicos. En este campo de la IA, Machine Learning (ML) ha hecho un enorme progreso en las últimas décadas. Muchos estudiosos creen que ML es capaz de lograr importantes progresos en cualquier problema del mundo real. En el campo de la investigación de ML, DL es una familia de métodos computacionales que permiten a un algoritmo programarse en sí mismo, aprendiendo de una gran conjunto de ejemplos que demuestran el comportamiento deseado, sin la necesidad de especificar reglas explícitamente. En este contexto, este documento muestra aplicaciones de la tecnología de Inteligencia Artificial a imágenes radiológicas para detección de posibles casos de cáncer.

La Inteligencia Artificial (IA) puede generar un gran cambio industrial y social en los sistemas económicos (cf., Geuna et al., 2017).En este campo de la IA, Machine Learning (MD) es el estudio científico de algoritmos y modelos estadísticos que los sistemas informáticos utilizan para realizar con eficacia una tarea específica sin necesidad de utilizar instrucciones explícitas, basándose en patrones y la inferencia estadística. Los algoritmos de ML construyen un modelo matemático, basado en datos de la muestra, conocidos como "datos de entrenamiento", con el fin de hacer predicciones o decisiones sin ser explícitamente programado para realizar la tarea.Deep Learning (DL) es parte de una amplia familia de métodos de aprendizaje automático basado en redes neuronales que se vienen aplicando a campos como: la visión artificial, reconocimiento de voz, procesamiento natural del lenguaje, reconocimiento de audio, red de filtrado social, traducción automática, bioinformática, diseño de fármacos, análisis de imágenes médicas, diagnóstico histopatológico, inspección de materiales y programas de juegos de mesa, donde se han producido resultados comparables y en algunos casos superiores a los expertos humanos.Esta nueva tecnología, en particular, los algoritmos de aprendizaje profundas se puede aplicar para mejorar el diagnóstico la precisión y la eficacia de la detección del cáncer.

El proyecto de Inteligencia Artificial consiste en el desarrollo e implementación de un sistema capaz de reconocer carcinomas en una tomografía (imagen estática).El problema del reconocimiento de carcinomas en una tomografía se define:“Dado uno o más carcinomas en la tomografía, se debe identificar los carcinomas presentes en la tomografía”Dentro de dicho estudio, la mayor parte del trabajo realizado abarca la lectura de tomografías axiales digitales obtenidas por un tomógrafo, aunque en los últimos años la tendencia es que se investiguen sistemas capaces de soportar diversos formatos de tomografías. Debido a que esta técnica da mejores resultados que una radiografía y permite un mejor diagnóstico.Para realizar los reconocimientos de carcinomas en tomografías, se dispone de dos procedimientos que engloban distintas técnicas y sistemas. Por un lado están los sistemas tradicionales de reconocimiento de imágenes y por otro con los sistemas adaptativos de reconocimiento óptico de imágenes.La diferencia fundamental entre ambos procedimientos reside en que los sistemas tradicionales son capaces de reconocer imágenes, dentro de un conjunto limitado de símbolos y bajo unas determinadas directrices, mientras que los sistemas adaptativos, más recientes, son capaces de adaptar su motor de reconocimiento a partir del reconocimiento tradicional.