¿Cómo se usa el aprendizaje automático en el cuidado de la salud?

Recientemente tuvimos una discusión con nuestro equipo sobre este tema. En ese momento, no pude encontrar una respuesta completa en ninguna parte, así que pensé en escribir lo que discutimos para los lectores futuros.

Hay muchas áreas en el cuidado de la salud donde el aprendizaje automático ya juega un papel y la importancia de la IA en la atención médica probablemente aumentará en el futuro. La tecnología madurará y se superarán los obstáculos legales y culturales.

En términos generales, y para darle algo de estructura a esta respuesta, podemos identificar tres áreas donde ML se está utilizando en el cuidado de la salud en este momento:

1. Tareas de percepción: tareas que requieren habilidades de percepción tales como visión o audición, etc.
2. Asistencia diagnóstica
3. Procedimientos de tratamiento

Tareas de percepción

En los últimos años, las redes neuronales profundas han impulsado el rendimiento de las computadoras en las tareas de percepción a niveles previamente inimaginables. Esto ha llevado a una explosión de casos de uso en múltiples áreas, incluida la atención médica.

En radiología, por ejemplo, donde la tarea del médico es diagnosticar a un paciente mediante imágenes médicas, se ha enseñado a las computadoras a identificar patologías a partir de tales imágenes en un nivel comparable o incluso superior al de los médicos humanos [1].

Izquierda: imágenes de dos biopsias de ganglios linfáticos. Medio: resultados anteriores de nuestra detección de tumores de aprendizaje profundo. Derecha: nuestros resultados actuales. Observe el ruido visiblemente reducido (posibles falsos positivos) entre las dos versiones. Fuente de la imagen: blog de Google Research

Recientemente se han logrado resultados similares con el cáncer de piel [2], donde la tarea del médico es inspeccionar visualmente al paciente para hacer un diagnóstico, detección de arritmia [3] y auscultación cardíaca [4].

Ahora bien, es poco probable que haga que los humanos sean redundantes en el campo, tanto por el desorden que podría ser causado por un diagnóstico erróneo de los resultados letales de una máquina como porque las fortalezas de las computadoras y los médicos se complementan entre sí.

Es muy probable que el rendimiento de los algoritmos de aprendizaje automático, en las áreas donde las tareas de percepción sean centrales, mejore aún más y mejore la productividad de los médicos y mejore el nivel de atención médica.

Asistencia diagnóstica

Cuando un médico llega a un diagnóstico, es el resultado de años de aprendizaje, su experiencia personal con pacientes similares y estar al día con los últimos avances en el campo. Esta es una gran cantidad de información para recuperar y analizar en todo momento, que los médicos hacen con admirable éxito.

Pero la realidad es que la capacidad mental de un individuo es limitada y un médico solo puede tratar a tantos pacientes en su vida.

El aprendizaje automático se ha utilizado para aumentar la capacidad del médico al observar los datos disponibles totales sobre el paciente y hacer recomendaciones basadas en esta información: este enfoque solo está limitado por el número total de pacientes tratados en el mundo.

La asistencia de diagnóstico se utiliza para ayudar a los médicos en tiempo real ya sea por recuperación de datos o por recomendaciones de diagnóstico. Varias compañías también ofrecen un servicio de predicción para identificar a la mayoría de los pacientes en riesgo [5].

El potencial aquí es aún mayor si se tienen en cuenta los desarrollos futuros de IoT en la atención médica que permiten una supervisión aún más detallada, pero que amenazan con ahogar a los médicos en una avalancha de información. El aprendizaje automático podría utilizarse aquí para examinar los datos y presentar al médico la información que necesitan para tomar una decisión.

Sin embargo, las recomendaciones de diagnóstico son poco comunes debido a varios obstáculos legales y culturales. Pero a medida que siguen llegando buenos resultados académicos [6, 7], está progresando.

Proceso de tratamiento

Como parte importante de la atención médica también es el proceso que atraviesa un paciente y cómo se trata. Las mejoras en este proceso pueden producir ganancias tanto en la calidad como en el costo de la atención.

Para este fin, se ha utilizado con bastante éxito una rama de la ciencia de datos llamada minería de procesos [8].

También se han realizado investigaciones para tratar de predecir enfermedades en toda la población, pero, a mi entender, dicho modelo no está en uso activamente [9, 10].

Es muy probable que las aplicaciones de AI ganen más terreno en el futuro cercano ya que a principios de 2017 más de 100 empresas prestaban tales servicios en el sector [11].

Si está interesado en obtener más información sobre este tema, no dude en ponerse en contacto con nuestro equipo de expertos en AI en MindTitan.

[1] https://research.googleblog.com/ …

[2] https://www.nature.com/nature/jo …

[3] https://arxiv.org/pdf/1707.01836 …

[4] https://arxiv.org/abs/1707.04642

[5] https://www.lumiata.com/

[6] http://journals.plos.org/plosone …

[7] https://www.ncbi.nlm.nih.gov/pub …

[8] http://www.sciencedirect.com/sci …

[9] https://comserv.cs.ut.ee/home/fi…

[10] https://www.ncbi.nlm.nih.gov/pmc …

[11] https://www.cbinsights.com/resea …

El aprendizaje automático desafía el enfoque tradicional y reactivo de la atención médica. De hecho, es exactamente lo opuesto: cualidades predictivas, proactivas y de ahorro de vidas preventivas que lo convierten en una capacidad críticamente esencial en todos los sistemas de salud.

El aprendizaje automático en medicina ha ocupado recientemente los titulares. Google ha desarrollado un algoritmo de aprendizaje automático para ayudar a identificar tumores cancerosos en mamografías. Stanford está utilizando un algoritmo de aprendizaje profundo para identificar el cáncer de piel.

Aún así, el aprendizaje automático se presta a algunos procesos mejor que otros. Los algoritmos pueden proporcionar un beneficio inmediato a las disciplinas con procesos reproducibles o estandarizados. Además, aquellos con grandes conjuntos de datos de imágenes, tales como radiología, cardiología y patología, son buenos candidatos. El aprendizaje automático puede ser entrenado para observar imágenes, identificar anormalidades y señalar áreas que requieren atención, mejorando así la precisión de todos estos procesos. A largo plazo, el aprendizaje automático beneficiará al médico familiar o al internista junto a la cama. El aprendizaje automático puede ofrecer una opinión objetiva para mejorar la eficiencia, la fiabilidad y la precisión.

Se ha dicho antes que la mejor herramienta de aprendizaje automático en el cuidado de la salud es el cerebro del médico. ¿Podría haber una tendencia de los médicos a ver el aprendizaje automático como una segunda opinión no deseada? En un momento, los trabajadores del automóvil temían que la robótica eliminara sus trabajos. Del mismo modo, puede haber médicos que temen que el aprendizaje automático sea el comienzo de un proceso que podría volverlos obsoletos. Pero es el arte de la medicina que nunca puede ser reemplazado. Los pacientes siempre necesitarán el toque humano y la relación afectuosa y compasiva con las personas que brindan atención. Ni el aprendizaje automático, ni otras tecnologías futuras en medicina, eliminarán esto, pero se convertirán en herramientas que los médicos utilizan para mejorar la atención continua.

Permite discutir cómo se usa ML para detectar el cáncer y diagnosticar la diabetes.

Archivos de atención médica – Accubits Blog

El aprendizaje automático es la clave para habilitar la Inteligencia Artificial y el futuro de la atención médica está basado en datos. Los grandes datos y el aprendizaje automático tienen un enorme potencial en el campo de la salud. Todas estas tecnologías no solo mejoran las opciones de tratamiento y diagnóstico, sino que también tienen el potencial de tomar el control de su propia salud al empoderar a las personas.

Con la ayuda de análisis avanzados, inteligencia artificial y aprendizaje automático, algunos de los avances más emocionantes se están produciendo en el cuidado de la salud. Los avances en las interfaces de IA, la medicina personalizada, la atención médica predictiva y los avances en el diagnóstico se reducen a la aplicación del aprendizaje automático para ayudar a los pacientes a tener acceso a una atención médica más inteligente.

Aunque las computadoras y los robots probablemente nunca reemplacen por completo a las enfermeras y los médicos, la Inteligencia Artificial y el aprendizaje automático están mejorando los resultados, transformando la industria del cuidado de la salud y cambiando la forma en que los médicos piensan sobre la prestación de la atención. El aprendizaje automático acaba de comenzar a arañar la superficie de la atención personalizada, predecir los resultados y mejorar los diagnósticos.

Reemplazar el trabajo manual

Para tener una idea de cómo el aprendizaje automático puede cambiar las cosas, podemos echar un vistazo a Arteries y cómo utiliza el aprendizaje automático. Al extraer un conjunto de datos de más de 3.000 casos cardíacos, se desarrolló Arteries donde se analizó el flujo sanguíneo y el corazón. Al curvar a una máquina de resonancia magnética, utiliza imágenes de resonancia magnética para generar contornos editables y arterias para examinar el flujo sanguíneo. La máquina ayuda a proporcionar una imagen precisa de un corazón en segundos, lo que una vez tomó una hora.

Anteriormente, el trabajo manual era más necesario que el pensamiento creativo para crear imágenes precisas, pero con la ayuda de la inteligencia artificial esa hora de esfuerzo manual se ha liberado. Los médicos ahora han presentado posibles tratamientos en lugar de tomarse el tiempo para reconstruir las imágenes de resonancia magnética mientras dejan este tipo de trabajo para el aprendizaje automático y la inteligencia artificial.

Un mejor sistema de diagnóstico

Para diagnosticar a un paciente, piense en las innumerables condiciones y síntomas que un médico necesita recordar y recordar de un golpe. El aprendizaje automático y la inteligencia artificial son superiores en la memorización de cantidades masivas de datos en comparación con un ser humano.

La inteligencia artificial se ocupa de los múltiples síntomas descritos por un ser humano para diagnosticar rápidamente cuál es la causa potencial de los síntomas y, mediante el aprendizaje automático, podría saber qué enfermedades son más probables, al mismo tiempo, mejorando continuamente su precisión con el tiempo.

Un equipo de médicos descubrió que podían identificar a las personas con cáncer de páncreas y utilizaron el aprendizaje automático avanzado para analizar las consultas de búsqueda incluso antes de recibir un diagnóstico. El estudio se centró en las consultas de búsqueda que indicaban que alguien había sido diagnosticado con cáncer de páncreas. Luego trabajaron hacia atrás para descubrir si las consultas anteriores podían predecir el diagnóstico.

Aunque el estudio no resultó en una aplicación práctica, aún existe la posibilidad de que en el futuro cercano, los sistemas se configuren para advertir a un usuario que se haga una prueba si las consultas de búsqueda sugieren una enfermedad en particular como el cáncer de páncreas.

Se está logrando otro avance importante en la coincidencia de las mejores familias de acogida con niños. El sistema “Every Child A Priority” (ECAP) utiliza un sofisticado algoritmo de coincidencia que predice la mejor combinación entre una familia de acogida y un niño, reduciendo el no. de movimientos que un niño necesita hacer y mejora el potencial de colocación permanente.

Otras compañías también usan el aprendizaje automático para predecir y exponer reclamos fraudulentos de atención médica, lo que eleva el costo de la atención médica para todos y les cuesta a los proveedores millones de dólares al año.

Algunos de estos cambios en la atención médica estandarizarán el sistema de salud que permitirá a los ciudadanos comunes obtener información de salud confiable. Esto no significa que los médicos se vuelvan obsoletos, sino que trabajarán junto con la inteligencia artificial, ya que los dos se equilibran entre sí, salvando vidas y revolucionando la atención médica en el proceso.

Gracias por leer esta publicación de blog, puedes obtener más información sobre nuestro fuerte en KritiKal Solutions

Aquí se mencionan muchas de las grandes respuestas, solo agregaré algunos puntos más. Los casos de uso para el aprendizaje automático en el cuidado de la salud son muchos y variados. Los asistentes virtuales habilitados para voz pueden ayudar a los médicos a acceder a las notas o dejar que los cirujanos vean las listas de verificación de seguridad. Pueden ayudar al personal a manejar las tareas de codificación y transcripción. Las implementaciones inteligentes de la tecnología tienen el potencial de grandes ganancias en la eficiencia hospitalaria. Por ejemplo, AI es insustituible mientras se capacita a profesionales médicos. Permite pasar por simulaciones naturalistas de una manera que los algoritmos simples manejados por computadora no pueden. El advenimiento del habla natural y la capacidad de una computadora AI para dibujar al instante en una gran base de datos de escenarios, significa que la respuesta a preguntas, decisiones o consejos de un alumno puede desafiar de una manera que un ser humano no puede. Y el programa de capacitación puede aprender de las respuestas anteriores del aprendiz, lo que significa que los desafíos se pueden ajustar continuamente para satisfacer sus necesidades de aprendizaje. La investigación y el descubrimiento de fármacos es una de las aplicaciones más recientes para el aprendizaje automático en el cuidado de la salud. Al dirigir los últimos avances en el aprendizaje automático para agilizar los procesos de descubrimiento de fármacos y cambio de fármacos, existe el potencial de reducir significativamente el tiempo de comercialización de los nuevos medicamentos y sus costos. Hay algunas nuevas empresas que realmente están usando lo mejor de la IA en el cuidado de la salud:

Paige. AI , o siglas de Pathology AI Guidance Engine, combina la patología con la inteligencia artificial para combatir el cáncer. La startup recaudó una serie A de $ 25,000,000 anunciada el 6 de febrero de 2018. El Memorial Sloan Kettering Cancer Center firmó un acuerdo de licencia con la startup para otorgarle acceso exclusivo a la propiedad intelectual de MSK en patología computacional, incluido el acceso a los 25 millones de diapositivas de patología de MSK.

Prognos es una startup con sede en Nueva York que recaudó una Serie C de $ 20,500,000 en diciembre de 2017. Su objetivo principal es eliminar la enfermedad mediante el uso de la inteligencia artificial para predecir enfermedades y tomar decisiones antes en el cuidado de la salud. El registro de Prognos incluye más de 15 mil millones de registros médicos. Hace un seguimiento de 180 millones de personas en más de 50 áreas de enfermedades, incluyendo asma, cáncer de pulmón y muchas enfermedades raras. La startup se asocia con laboratorios clínicos y compañías de diagnóstico, mientras que sus clientes incluyen planes de salud y compañías de ciencias de la vida.

El aprendizaje automático básicamente está generando grandes cantidades de datos y su análisis disponible para la profesión médica. Ha habido muchos desarrollos interesantes en este campo, que en realidad es solo una extensión de la inteligencia artificial.

Cantidades masivas de datos analizados adecuadamente mediante algoritmos y análisis computacionales revelan patrones ocultos y poco conocidos en los datos que, sin el aprendizaje automático, nunca estarían disponibles para el médico.

Solo piense en un doctor tratando de hacer un diagnóstico. Si un paciente llega a A & E (Accidente y Emergencia) con dolor de pecho severo, ¿debe ser hospitalizado de inmediato o no? En realidad, esto me sucedió y me pusieron en la UCI durante unos días. Esto fue hace más de 10 años. ¡El diagnóstico fue realmente ansiedad y no una condición cardíaca en absoluto!

Pero si eso sucediera ahora, los doctores tendrían acceso a un sistema que analizaría mi condición mucho más exactamente a través del algoritmo predictivo. También evaluaría mis posibilidades de supervivencia si me enviaran a casa sin hospitalización.

Puede leer sobre esto en más detalles en el artículo de la Dra. Linda A. Winters-Miner aquí

Siete formas de análisis predictivo pueden mejorar la asistencia sanitaria

En el cuidado de la salud, sus usos son y serán de enorme importancia en las siguientes áreas porque gran parte de esta información estará disponible en tiempo real:

• un diagnóstico más preciso de la enfermedad
• una mayor comprensión de los datos de imágenes
• desarrollo de drogas más efectivas
• proporcionar información invaluable para las compañías de seguros médicos
• dar una idea mucho más precisa del PSSP (Predicción de supervivencia específica del paciente)
• ayudar a los radiólogos a descubrir indicaciones inusuales
• ayudar a los médicos a comprender el perfil de riesgo de sus pacientes.
• mejorar el análisis genómico

Además, el aprendizaje automático puede agregar una nueva funcionalidad a los EMR (registros médicos electrónicos) para que las alertas estén incorporadas en el sistema. Un ejemplo sería una alerta para mostrar una anomalía en una acción de atención, por ejemplo, donde esa acción tiene una probabilidad muy baja de éxito, según los datos disponibles.

El Dr. Gregory Cooper y sus colegas han realizado algunas investigaciones interesantes sobre esto:

https://www.aaai.org/ocs/index.p …

Si desea un breve resumen del papel del aprendizaje automático en el cuidado de la salud, vale la pena ver los siguientes videos.

En el segundo video El Dr. Daniel Kraft analiza los acontecimientos emocionantes de los próximos 50 años en la asistencia sanitaria gracias al aprendizaje automático.

Roll en 2064!

Leer: Cinco de las startups de aprendizaje de máquinas más geniales en este momento

El aprendizaje automático se ha disparado en los últimos años y ahora es ampliamente considerado como una de las tecnologías disruptivas del momento. El año pasado, Gartner lo nombró una de las tendencias tecnológicas clave a observar, colocándolo en la cima de su ciclo Hype, prediciendo de dos a cinco años hasta la adopción de la corriente principal. Y muchos argumentarían que ya está ahí, con numerosas start-ups que aprovechan sus capacidades de predicción y resolución de problemas, y muchas compañías más grandes que desean aprovechar sus tecnologías.

Luchando contra la muerte con la ciencia de datos

La salud es posiblemente una de las industrias más complejas, desafiantes y costosas que existe. Los proveedores y profesionales casi siempre están atrasados, manejando las enfermedades y las condiciones de salud de manera reactiva, a menudo sin toda la información que necesitan para brindar la atención más adecuada. Este es el problema que está resolviendo KenSci, basado en Seattle, utilizando el aprendizaje automático para predecir no solo quién se enfermará, sino también cuán enfermos se sentirán y ayudar a coordinar su atención de manera más efectiva. Lo hace extrayendo datos de una variedad de fuentes, incluidos dispositivos de pacientes, registros médicos y públicos electrónicos para identificar patrones y predecir la salud futura. Ya se está utilizando en 11 sistemas de salud en los EE. UU. Para tratar enfermedades como cáncer, sepsis y ataques cardíacos. El negocio también ha recaudado $ 8,5 millones en su ronda de inversiones de la Serie A.

Con el paso de los años, muchas posibilidades de aplicación de la Inteligencia Artificial se han realizado y muchas aún están por llegar. A pesar del progreso que varias industrias han logrado en el frente de la IA, la atención médica sigue siendo un sector en el que realmente ha tenido un impacto importante que va más allá de la conveniencia y afecta esencialmente a las vidas humanas.

La inteligencia artificial (AI) se define como “la ciencia de hacer que las computadoras hagan cosas que requieren inteligencia cuando son hechas por humanos” por el Archivo de Historia de la Computación de Turing. Si bien no hemos alcanzado el nivel de sofisticación en AI como en Westworld, la tecnología de IA se está desarrollando rápidamente.

El potencial de la IA en la asistencia sanitaria

AI puede rediseñar y mejorar la atención médica de múltiples maneras. Por ejemplo, puede ayudar a los profesionales médicos a diseñar planes de tratamiento y encontrar el método de tratamiento más adecuado que sea el mejor para el paciente en particular. Puede ayudar a llevar a cabo tareas que son monótonas para que los médicos puedan concentrarse en sus trabajos principales.

Ya hay algunos buenos ejemplos de IA en el cuidado de la salud que muestran un gran potencial. Los registros médicos mineros son una de esas aplicaciones evidentes de la IA en el cuidado de la salud.

Registros médicos mineros

La administración de datos es uno de los principales potenciales: muestra la aplicación de IA en el cuidado de la salud. El primer paso para revolucionar los sistemas de salud existentes es recolectarlo, almacenarlo, normalizarlo y rastrear su linaje. Contiene el desarrollo de una tecnología de procesamiento del lenguaje natural para extraer automáticamente los datos de registros médicos narrativos.

Google Deepmind Health, se utiliza para extraer registros médicos a fin de ofrecer mejores y más rápidos servicios de salud. Puede procesar cientos de miles de información médica en cuestión de minutos. Aunque el aprendizaje automático y la recolección de datos se encuentran en su etapa inicial, en el momento en que Google, en coordinación con Moorfields Eye Hospital NHS Foundation Trust, se esfuerza por mejorar el tratamiento de los ojos.

Ayudando en tareas monótonas

AI puede ayudar a llevar a cabo tareas repetitivas que le quitan el tiempo al profesional médico de sus trabajos principales. Las tareas como los escaneos de rayos X, las tomografías computarizadas, el análisis de las pruebas y la entrada de datos, etc., pueden realizarse con mayor rapidez y precisión por parte de los robots. La radiología y la cardiología son dos disciplinas en las que la cantidad de datos para analizar puede llevar mucho tiempo y ser abrumadora y agotadora.

IBM Medical Sieve es un ambicioso proyecto exploratorio a largo plazo que planea construir el “asistente cognitivo” de próxima generación, que es capaz de analizar y razonar con una amplia gama de conocimientos clínicos. Medical Sieve puede ayudar a tomar la decisión clínica con respecto a cardiología y radiología, un “asistente de salud cognitiva” en otros términos. Es capaz de analizar las imágenes de radiología para detectar problemas de manera confiable y rápida.

AI Chatbots

Los chatbots de IA utilizan el procesamiento del lenguaje natural para comprender las demandas del usuario seguidas por la gestión del conocimiento para ofrecer una respuesta. Además, utiliza el aprendizaje profundo para mejorar su respuesta a cada interacción. El análisis de sentimiento identifica el problema del usuario y luego lo transfiere a un ser humano. En el contexto de la atención médica, los chatbots pueden cumplir varios objetivos, como diagnosticar al paciente utilizando la información que se brinda sobre los síntomas.

Health AZ – Your.MD: Chatbot usa la tecnología de Inteligencia Artificial para guiar al usuario con la información más relevante para una mejor salud y vida. Proporciona la información médica más precisa y más simple de entender.

Asistentes de salud virtual

Los asistentes virtuales de atención médica pretenden utilizar la tecnología de inteligencia artificial para mejorar las interacciones entre los pacientes y los cuidadores a fin de mejorar la experiencia del consumidor y reducir el agotamiento de los médicos.

Nuance Communications Virtual Assistant Platform permite el diálogo conversacional y las capacidades preconstruidas que automatizan los flujos de trabajo clínicos. El asistente virtual de atención médica emplea reconocimiento de voz, integraciones de EHR y relaciones estratégicas de TI de la salud, biometría de voz, texto a voz y prototipo de altavoz inteligente personalizado para una plataforma segura.

Diseño de tratamiento

Los sistemas de inteligencia artificial se han diseñado para analizar los informes de datos y las notas del archivo del paciente, la experiencia clínica y la investigación externa, a fin de ayudar a seleccionar la ruta de tratamiento correcta, personalizada individualmente.

IBM Watson proporciona a los médicos opciones de tratamiento basadas en evidencia. Watson para Oncología tiene una capacidad avanzada para analizar el significado y el contexto de datos estructurados y no estructurados en notas clínicas e informes que pueden ser críticos para seleccionar una vía de tratamiento. El programa finalmente identifica la mayoría de los posibles planes de tratamiento para un paciente que integran notas sobre la vida del paciente, la investigación y la experiencia clínica.

Creación de drogas

El desarrollo de productos farmacéuticos a través de ensayos clínicos puede llevar más de una década y cuesta mucho. Por lo tanto, hacer que el proceso sea más rápido y económico es uno de los objetivos principales que buscan las startups de AI.

Atomwise: entre los recientes ataques de Ébola, se utilizó un programa alimentado por IA para escanear medicamentos existentes que podrían rediseñarse para combatir enfermedades. La tecnología encontró dos medicamentos que pueden disminuir significativamente la infectividad del Ébola. Este análisis, que de otro modo hubiera llevado meses / años, se completó en 24 horas. Esta eficiencia en la creación de drogas tiene el potencial de salvar miles de vidas.

Conclusión: nuestra vista

Incluso con los grandes avances de la aplicación de la IA en la atención médica en los últimos años, es poco probable que la tecnología reemplace el papel diagnóstico de los médicos, al menos en el futuro cercano. AI, sin embargo, ahora es lo suficientemente sofisticado como para hacerse cargo de las tediosas tareas repetitivas que utilizan las horas productivas de un médico. El potencial de inteligencia artificial en la atención médica es interminable: con profesionales que exploran la aplicación de IA en áreas como verificación de seguros, diagnóstico de cáncer de piel, análisis de datos de registros médicos, etc., apenas estamos empezando a darnos cuenta de la verdadera profundidad de la innovación en tecnología de la salud que puede desbloqueado con tecnología AI.

[Haga clic para continuar leyendo en IA en la atención médica …]

Asi que. Muchos. Formas.

Voy a dar algunos ejemplos:

• Análisis de imágenes : uso del aprendizaje automático para procesar y diagnosticar pacientes de manera automática en función de sus datos de imágenes médicas. Aquí hay un buen ejemplo: la Visión Médica Zebra de Israel lleva el Aprendizaje Automático a la Sanidad de EE. UU.
• Desarrollo de fármacos : uso de modelos predictivos para pronosticar qué efecto tendrán algunos medicamentos en pacientes individuales con condiciones específicas: Life Extension ™ se une a Insilico Medicine para desarrollar tecnologías avanzadas antienvejecimiento que utilizan inteligencia artificial.
• Cumplimiento : uso de inteligencia artificial para la detección de patrones que impone el control de acceso de los registros médicos de pacientes en clínicas y hospitales: la empresa de seguridad cibernética Protenus recauda $ 4 millones en la ronda de financiación Serie A (divulgación completa, mi fondo, LionBird, es un inversor en Protenus).

Dado que gran parte de la atención médica es diagnóstica y de naturaleza similar, el aprendizaje automático es claramente un elemento importante en el futuro de la industria de la salud.