¿Qué tan factible es la aplicación de aprendizaje automático en el cuidado de la salud?

El procesamiento del lenguaje natural, el análisis de imágenes utilizando Deep Neural Networks (CNN) ha estado dando resultados revolucionarios en el campo de la salud. Y sinceramente, es solo el comienzo de la nueva era de la informática en el cuidado de la salud . Aunque la Investigación en atención sanitaria utilizando el aprendizaje automático no es nueva, todas las personas que trabajan en el campo de la Inteligencia Artificial y el Aprendizaje Automático están esforzándose al máximo para generar resultados más precisos para el análisis sanitario, ya sea proporcionando un mejor diagnóstico o análisis de ADN o Nuevos dispositivos de atención médica para todos (incluidas las personas con capacidades diferentes), etc.

Pero lo que ha sucedido hoy en día es que, como ya mencioné, ha comenzado la “nueva ERA en el desarrollo de la ciencia comp.”, Ya que cada dimensión de la tecnología de ciencia comp ha sido vista con los lentes de Machine Learning o AI (Artificial Intelligence), por ejemplo, motores para dar mejores opciones a los consumidores en función de su historial de búsqueda, casi todos los sitios web (sitios de comercio electrónico o sitios de reproducción de audio / video, etc.) lo están implementando.

Recuerdo mis días en la universidad cuando dimos SPAM Filtering como el ejemplo más clásico de Aprendizaje automático (Clasificación) aunque hoy en día la precisión del filtrado de spam se ha incrementado drásticamente debido a los algoritmos de clasificación más precisos debido a los avances en la investigación de aprendizaje automático.

Entonces, cualquiera que sea el caso, Machine Learning ha estado dando resultados revolucionarios en todas las dimensiones de la informática, y el desarrollo web y la atención médica es la más importante.

Los beneficios de Maching Learning, según yo, se pueden aprovechar mejor cuando se utiliza para aumentar las capacidades del ser humano en lugar de reemplazarlas completamente a través de la inteligencia artificial . Por ejemplo, cuando hay un requisito de intervención completa de la máquina como en la ciencia espacial donde la máquina puede funcionar en entornos críticos (como proyectos ROVER) y los humanos no pueden (o pueden hacerlo a un alto costo), entonces la intervención completa de la máquina debería estar bien pero en En el caso de la atención médica, creo que los profesionales médicos trabajan muy duro, día y noche, para brindar la mejor atención a todos, por lo que aumentar sus capacidades mediante el aprendizaje automático es el mejor servicio para ellos .

Podemos tomar un ejemplo de la detección de células cancerosas, aunque muchos de nosotros sabemos que el uso de 3D Convolutional Deep Neural Networks con modelos precisos puede dar mejores resultados para descubrir las probabilidades de cáncer en una etapa muy temprana o en la etapa de síntomas, de modo que la el peligro de padecer cáncer para esa persona puede evitarse o podemos decir que puede prevenirse, por lo que ahora podemos ver que al utilizar Machine Learning podemos proporcionar SOLUCIÓN PREVENTIVA en lugar de tomar MEDIDAS CURATIVAS después de que la persona sufrió de esa enfermedad en particular.

Entonces, en todos los niveles, el aprendizaje automático juega un papel muy importante, PASHYNTO es la plataforma de atención médica para que todos se concentren exactamente en Proporcionar SOLUCIONES PREVENTIVAS PARA LA SALUD aumentando las capacidades de los profesionales médicos y, en general, para todos.

He creado la aplicación Pashynto (próximamente, ahora en desarrollo beta), utilizando el lenguaje de programación Python y el módulo usado Python-NLTK para el análisis de texto (procesamiento del lenguaje natural) en el proyecto de búsqueda del mismo para proporcionar resultados de búsqueda más refinados y precisos. todos los que usan la plataforma.

Amablemente Visita Pashynto y allí puedes registrarte como usuario beta.

¡¡Gracias!!

Hay muchas aplicaciones de aprendizaje automático en el cuidado de la salud. De hecho, dada la gran cantidad de datos estructurados y no estructurados en el cuidado de la salud con su naturaleza cada vez mayor, ¡las oportunidades para el aprendizaje automático aplicado para mejorar los resultados del paciente son infinitas!

Philips Healthcare (Atención médica innovadora e innovadora, Philips Healthcare) es uno de los pioneros en promover soluciones y servicios de inteligencia artificial con una misión y una visión para mejorar la vida de las personas mediante la transformación de la atención médica. Muchas de estas aplicaciones ya cuentan con aprobación / aprobación de la FDA (Administración de Alimentos y Medicamentos de los Estados Unidos). Para más contexto, puedes echar un vistazo a estos recursos / noticias recientes:

  • Conexión de la inteligencia de la máquina a la asistencia sanitaria – Investigación | Philips
  • Cómo Philips está utilizando la IA para transformar la asistencia sanitaria
  • Philips se sumerge en el aprendizaje automático con varios descubrimientos de RSNA
  • La solución de fisiología Philips IntelliSite obtiene autorización de la FDA para el uso diagnóstico primario
  • Philips destaca la tecnología conectada, el software de análisis predictivo y la inteligencia artificial que promueven la salud de la población y la medicina de precisión en HIMSS 2017
  • El papel del CIO en la creación del ecosistema de atención médica digital
  • TED: máquinas inteligentes para recuperar recuerdos perdidos, cuida a tus hijos
  • Philips y PathAI colaboran para desarrollar el aprendizaje profundo para el diagnóstico del cáncer de mama

En general, si está interesado en conocer varias aplicaciones potenciales del aprendizaje automático en el cuidado de la salud, otra buena forma es consultar la conferencia “Machine Learning in Healthcare”. La conferencia de este año es en Boston; También puede encontrar las actas de la conferencia de años anteriores a través de este enlace: Machine Learning in Health Care. ¡Espero que esto ayude!

Ha habido muchas, muchas aplicaciones de Machine Learning en el cuidado de la salud.

Un amigo y ex colega mío estaba trabajando con la unidad de cuidados intensivos del Hospital de la Universidad de Lovaina, tratando de predecir cuándo los pacientes estaban en alto riesgo de cosas como fallas en los riñones de la gran cantidad de datos recopilados.

Yo mismo he trabajado en un robot para ayudar a los sobrevivientes de accidentes cerebrovasculares en la rehabilitación. Esto fue en el TRI, el Toronto Rehab Institute, un instituto dedicado al cuidado de la salud y la tecnología asistencial.

¡IBM Watson, la IA que ganó el concurso de televisión Jeopardy! se ha utilizado para buscar rápidamente en la literatura médica para ayudar a los médicos a realizar diagnósticos más rápidos y precisos de los pacientes.

Hay muchos otros ejemplos por ahí.

La atención médica es un campo en el que a menudo se reúnen muchos datos (en una UCI, temperatura corporal, frecuencia cardíaca, … se controlan constantemente) y no se puede esperar que ningún ser humano realice un análisis rápido y confiable de tan vastas cantidades de datos. Aquí es donde Machine Learning puede ser útil para encontrar patrones en vastos trozos de datos.

A veces es difícil hacer un seguimiento de toda la literatura relevante. Hay muchas revistas médicas, y algunas veces combinaciones específicas de síntomas aparentemente no relacionados pueden ser indicativos de una condición rara. No se puede esperar que el médico de cabecera promedio esté al tanto de todos estos desarrollos, ya menudo se descarta que los síntomas aparentemente no relacionados sean, bueno, no relacionados. Analizando enormes colecciones de documentos y construyendo mejores herramientas de diagnóstico, rastreando interacciones extrañas entre los síntomas, aquí es donde Machine Learning puede ser útil.

No es de sorprender en absoluto que Machine Learning se utilice en muchas aplicaciones de atención médica.