¿Por qué deberíamos invertir más dinero en Machine Learning in Medicine? Específicamente, ¿cómo ayudaría en la detección del cáncer?

Porque la medicina enfrenta tres grandes crisis inminentes, cualquiera de las cuales sería suficiente para causar una falla catastrófica. Son:

1. Una población que envejece y que requiere una mayor atención médica
2. Procedimientos y tratamientos de detección más costosos
3. El aumento de las cepas de la enfermedad resistentes a los antibióticos

Y el aprendizaje automático ayuda con las dos primeras crisis al permitir el monitoreo las 24 horas de las personas y sistemas sencillos y económicos de detección y alerta. Adaptar el aprendizaje automático significaría que podemos destinar más recursos al tercer problema en lugar de tener recursos repartidos en los tres. Entonces, indirectamente, ayuda a resolver el tercer problema también.

En lo que respecta al cáncer, la detección y la eliminación son dos cosas muy diferentes. Todos tenemos cánceres. En efecto, es solo otro nombre para un error en la división celular. Con cada división celular, existe la posibilidad de un error que conduce a una celda ineficaz. La mayoría de los errores son eliminados por el sistema inmunológico, aunque algunos permanecen. La mayoría de las veces, estas células no causan problemas. Sin embargo, en un pequeño número de casos, esas células se vuelven agresivas y comienzan a replicarse de tal manera que ponen en peligro la salud del sujeto. En ese punto, los reconocemos como cánceres.

Si pudiéramos descubrir qué desencadena esa respuesta agresiva, podríamos desactivarla en pacientes que ya tienen cáncer y evitar que se active en casos nuevos. Pero uno de los impedimentos para esta investigación es que los datos que tenemos están sesgados porque la mayoría de las investigaciones se llevan a cabo en personas que tienen cáncer. Actualmente, también nos faltan los recursos para mirar poblaciones sanas. Lo que realmente necesitamos es una visión general de toda la población mundial para que podamos ver a los pacientes con cáncer en contexto, pero eso requiere un procesamiento de datos masivo y ese es el ámbito de la máquina.

Gracias por el A2A, Natty

En las últimas décadas, se ha realizado una evolución continua relacionada con la investigación del cáncer. Los científicos aplicaron diferentes métodos, como la detección temprana, para encontrar tipos de cáncer antes de que causen síntomas. Los métodos de ML se han convertido en una herramienta popular para los investigadores médicos. Estas técnicas pueden descubrir e identificar patrones y relaciones entre ellos, a partir de conjuntos de datos complejos, mientras que son capaces de predecir con eficacia los resultados futuros de un tipo de cáncer.

Eche un vistazo a cómo ayuda la IA en la detección del cáncer de mama https://blog.accubits.com/breast …

En mi humilde opinión, sí deberíamos invertir más dinero en Machine Learning (ML) en medicina.

Algunos exámenes de detección de cáncer son realizados por un patólogo, quien debe examinar las células sospechosas con un microscopio. Esto es lento y costoso. Si bien la tasa de error es pequeña, nadie quiere que les ocurra un error (falso positivo o falso negativo).

Otra área ML en medicina ayudaría, sería en el diagnóstico de enfermedades raras. Si la enfermedad es rara, el médico promedio probablemente no sabría ni recordaría los síntomas que lo llevarían a concluir que la rara enfermedad está presente.

El potencial es que el lavado de dinero en medicina podría reducir los costos médicos y, al mismo tiempo, mejorar la calidad de la atención, incluso en lugares que no cuentan con atención médica de buena calidad.

Claro, podemos usar el aprendizaje profundo para diagnosticar el cáncer a partir de imágenes radiológicas. Esto puede a) ayudar a los radiólogos a utilizar mejor su tiempo b) hacer que la atención médica sea más accesible, pero el beneficio final es el más sorprendente y posiblemente más útil:

Los humanos y DL cometen diferentes errores, si los combinas, obtienes una precisión súper sobrehumana. Claramente, ¡esto podría ser una gran ayuda potencial para la detección del cáncer!

Participé en un desafío de detección de cáncer con aprendizaje profundo, feliz de responder preguntas si alguien está interesado 🙂