La película ‘Gattaca’ suele servirnos como referencia cuando hablamos de asuntos sobre ingeniería genética, pero esta vez también nos sirve en cierto modo como predicción de lo que parecen estar ideando los ingenieros de inteligencia artificial (AI) de Google. El film empieza con una predicción de todo lo que podrá ocurrir a nivel de salud a uno de sus protagonistas, y esta idea de anticiparse a los médicos y equipos médicos actuales es la que de algún modo esbozan en una de sus últimas investigaciones.
La idea es la siguiente: imaginad que os veis en la situación de tener que acudir al hospital debido a un estado grave de salud y, más o menos en cuanto cruzáis el umbral de la puerta de urgencias un software os dice el tiempo que vais a estar ingresados, el diagnóstico y si saldréis o no por vuestro propio pie. Para ello el equipo de investigadores en cuestión contaba con los datos de más de 200.000 hospitalizaciiones, combinando información de más de once años de dos hospitales estadounidenses.
La AI como recurso para obtener diagnósticos más rápida y fácilmente no es nuevo, y desde un tiempo llevamos viendo propuestas como la de Nvidia y GE Healthcare de incorporarla a las herramientas de diagnóstico por imagen para que éste sea inmediato y muy económico. Pero lo que está intentando Alvin Rajkomar y el resto de investigadores que ha publicado el trabajo en cuestión es que el aprendizaje artificial (Deep learning) sea capaz de anticiparse a los médicos y los equipos determinando el tiempo que pasaremos en el hospital, los diagnósticos o incluso si vamos a acabar muriendo allí.
De este trabajo se hacen eco en Quartz, quienes matizan convenientemente que falta que los resultados sean evaluados de manera independiente. Porque según la gente de Google se han logrado mejoras notables con respecto a los algoritmos anteriores (augmented Early-Warning Score o aEWS) para predecir estos aspectos, destacando la predicción de la mortalidad en el hospital entre 24 y 48 horas antes que éstos.
Otros parámetros en los que se mejoraron los sistemas de predicción anteriores según el equipo fueron la posibilidad de que hubiese readmisiones, las estancias prolongadas y el diagnóstico (analizando tres puntos desde el momento del ingreso). Todo gracias a un total de 46.864.534.945 datos cruzados provenientes de 216.221 hospitalizaciones en el centro médico de la Universidad de California (entre 2012 y 2016) y la Universidad de Medicina de Chicago (entre 2009 y 2016).
¿Cómo? Según explican el sistema se basa en tres redes neuronales que, tras analizar esa gran cantidad de datos, eran capaces de identificar qué palabras y eventos estaban más relacionados con los resultados finales de un paciente. De este modo iban logrando filtrar qué datos interesaban más o menos para obtener las predicciones.
Sigue leyendo ésta noticia desde xataka.com
Todos debemos haber encontrado dos tendencias que dominan la industria tecnológica, Internet de las Cosas…
El ecosistema de internet no se limita solo a los ordenadores y dispositivos móviles. La…
El Internet de las Cosas (IoT) puede hacer crecer su negocio El Internet de las cosas…
Internet de las Cosas en su hogar Cuando se construyen casas nuevas, es más fácil…
IoT en Casa Hoy hacemos una recopilación y selección de dispositivos IoT para convertir tu…