Novedades | News

Diferencias entre la Inteligencia Artificial y el Machine Learning en el Cuidado de la Salud

 
Logo KW
Diferencias entre la Inteligencia Artificial y el Machine Learning en el Cuidado de la Salud
de System Administrator - miércoles, 9 de agosto de 2017, 14:11
Grupo Colaboradores / Partners

Diferencias entre la Inteligencia Artificial y el Machine Learning en el Cuidado de la Salud

por Jennifer Bresnick | Traducido automáticamente con Google, contiene errores

Machine Learning es un primer paso necesario hacia la inteligencia artificial en la asistencia sanitaria, pero no son lo mismo.

Si los futuristas, visionarios y capitalistas de riesgo son de creer, la inteligencia artificial está justo en la cúspide de convertirse en el avance más importante para la atención de la salud desde la penicilina. 

Auto-conducción de coches, la publicidad asustadiza inteligente, y los asistentes de hogar virtual son sólo el comienzo, proclaman. Los hospitales deben prepararse para una completa transformación - una revolución - una transformación total de todos los aspectos de la atención al paciente.

Si la cantidad de dinero que circula en avances de "inteligencia artificial" es alguna guía, no pasará mucho tiempo antes de que el primer bot de chat estalle a través de la barrera de la prueba de Turing.

Un nuevo informe de MarketsandMarkets pines el sector de la inteligencia artificial de la salud en 7,98 millones de dólares en 2022, acelerando a una tasa de crecimiento anual compuesto salvaje (CAGR) de 52,68 por ciento durante el período de pronóstico.

Las potencias de aprendizaje de máquinas como Google, IBM y Microsoft continuarán estirando su liderazgo en el lucrativo mercado de la IA de la salud, según predice el estudio, al desarrollar y perfeccionar las técnicas de aprendizaje profundo que ya se están aplicando a la patología, el análisis predictivo y el cáncer de precisión cuidado.

Los tres líderes de la industria han hecho recientemente titulares para el aprendizaje de máquinas innovadoras y proyectos de inteligencia artificial centrados en casos específicos de uso de atención médica.

Microsoft está abordando el cáncer, problemas de visión , y análisis de imagen, mientras que Google publicó recientemente la investigación sobre el papel del aprendizaje de la máquina en la patología y el diagnóstico de cáncer. 

IBM ha comprometido extensos recursos de computación cognitiva a la analítica de imágenes, genómica, farmacéutica y gestión de la salud de la población.

Sin embargo, estos veteranos pueden enfrentarse a una dura competencia de las empresas emergentes que reciben millones en inversiones de capital de riesgo. De acuerdo con un informe de 2016 de CB Insights, la asistencia sanitaria startups de IA están golpeando a las empresas en todas las otras industrias en términos del volumen de ofertas concluidas.

 

Fuente: CB Insights

"Las ofertas para las empresas de AI relacionadas con el cuidado de la salud han estado aumentando año a año desde el 2011, con más del doble en 2014", dice el informe. "La financiación aumentó casi un 460 por ciento en 2014, a 358 millones de dólares frente a los 64 millones de dólares en 2013."

"Nuevas startups se están aventurando claramente en este espacio, con más de 20 compañías basadas en la IA centradas en la atención de la salud recaudando fondos semilla / ángel en 2015, en comparación con menos de 5 en 2011. En general, las semillas / ángel dominó con un 46 por ciento de Ofertas durante los últimos 5 años, seguidos por ofertas de la serie A en el 23 por ciento. "

En 2015, las compañías de inteligencia artificial de la salud representaron el 15 por ciento de todos los acuerdos mundiales de AI entre sectores.

"Hay una fiebre de tierra alrededor de AI ahora mismo", dijo el presidente y CEO de IBM Ginni Rometty en febrero en HIMSS17. "Es el momento adecuado. Digital es la base para todo. Pero la ventaja competitiva vendrá de ser cognoscitiva ". 

Pero puede haber sólo un problema con las proclamaciones sin aliento y las generosas inversiones de los ángeles. 

Mientras que el aprendizaje automático, la analítica semántica y la informática cognitiva están avanzando a un notable nivel, la verdadera inteligencia artificial no existe aún. 

¿Será algún día? Es muy probable - y las organizaciones de salud deben comenzar a tomar las medidas necesarias que se preparan para un mundo impulsado por la inteligencia de la máquina cada vez más avanzada.

Sin embargo, una evaluación realista del estado de la inteligencia artificial puede arrojar sólo un poco de agua fría en el bombo.

Tomando la definición del diccionario de Merriam-Webster de la inteligencia artificial como "la capacidad de una máquina de imitar la conducta humana inteligente" junto con el desafío de la prueba de Turing de crear un algoritmo que realiza una tarea indistinguible de una contraparte humana, Todavía no. 

Y cuando se compara con la definición común de aprendizaje de máquina - la práctica de enseñar a un ordenador cómo identificar patrones y utilizar estos patrones para maximizar iterativamente sus posibilidades de éxito sin programación explícita - está claro que estos dos conceptos son, de hecho, algo diferentes.

"Hay una fiebre de tierra alrededor de AI ahora ... la ventaja competitiva va a venir de ser cognitiva."

Puede parecer un argumento semántico pedante, pero para los científicos de los datos y los profesionales clínicos, la distinción es real e importante.  

Aprender a máquina es reconocer patrones . Con más datos y más oportunidades de hacer distinciones cada vez más granulares basadas en los éxitos y fracasos del pasado, una herramienta de aprendizaje de máquina puede mejorar su iteración de precisión después de la iteración sin que le diga un humano lo que debe hacer a continuación.

Pero mientras que el aprendizaje automático sirve simplemente de resultados, la inteligencia artificial debe tomar el reconocimiento de patrón un paso más allá planificando una acción futura basada en resultados anteriores, calculando la probabilidad de que la acción produzca un resultado positivo y ejecute la acción con la mayor probabilidad de alcanzar la máxima Éxito basado en una amplia gama de parámetros constantemente cambiantes ya menudo mal definidos. 

Los seres humanos y muchos animales son capaces de anticipar un resultado y ajustar su comportamiento en consecuencia casi sin esfuerzo consciente basado en minutos insumos sensoriales, recuerdos pasados ​​y experiencias, y el concepto nebuloso de la intuición y el instinto - ninguno de los cuales han sido capturados adecuadamente por las computadoras .

Aprendizaje mecánico, aprendizaje profundo y computación cognitiva son los primeros pasos necesarios hacia un alto grado de inteligencia artificial, pero no son lo mismo.

"El facilitador de la IA es el aprendizaje automático", explicó Nidhi Chappell, jefe de aprendizaje de máquinas de Intel, a Wired el año pasado.

"AI es básicamente la inteligencia - cómo hacemos máquinas inteligentes, mientras que el aprendizaje automático es la implementación de los métodos de computación que lo soportan. La forma en que pienso de ello es que la IA es la ciencia y el aprendizaje automático es el algoritmo que hace las máquinas más inteligentes ".

La capacidad de distinguir entre la IA y el aprendizaje mecánico podría tener un impacto particular en la atención al paciente, que es una actividad tan compleja, sensible y de alto riesgo que todos los médicos humanos deben someterse a una formación extremadamente rigurosa y en muchos casos años de práctica supervisada y La educación continua - antes de ser puesto a cargo de la vida de otras personas.

 

Fuente: CB Insights

Para un médico, detectar un patrón es sólo el primer paso en el largo y complicado proceso de tratamiento. 

El diagnóstico consiste más en identificar las variaciones de la norma que en establecer una línea de base a partir de los datos existentes, e incluso el proceso de resaltar las desviaciones de los valores esperados puede variar drásticamente en función de la persona en cuestión.

Mientras que la inteligencia artificial puede algún día subir a ese desafío, el aprendizaje automático por sí solo nunca va a reemplazar esa capacidad humana profunda y única para detectar cuando algo está mal. 

Lo que puede hacer es llenar las lagunas de conocimiento natural que vienen del hecho de que los seres humanos no pueden leer, recordar y aplicar sin defectos todo el corpus de la historia médica pertinente a todos y cada uno de los pacientes.

El apoyo de decisiones clínicas -no la toma de decisiones clínicas independientes- es una expectativa razonable para el aprendizaje automático, Dave Dimond, Director de Tecnología de Global Healthcare en Dell EMC.

"Pienso en el aprendizaje de máquinas como" diagnósticos complementarios ", dijo. "Así que cuando usted está con el paciente, puede reunir una gran cantidad de información y tener un compañero de aprendizaje de la máquina para obtener asesoramiento clínico".

"A veces es necesario traer las armas grandes para el diagnóstico - un compañero o un especialista -, pero los médicos trabajarán en colaboración para averiguar lo que es mejor para el paciente. Aprendizaje de la máquina hará el mismo tipo de cosas. El diagnóstico complementario ayudará a cerrar las brechas en nuestros recursos de datos actuales y nos ayudará a pasar a una medicina verdaderamente personalizada ".

En la actualidad, el aprendizaje automático ha comenzado a probar seriamente su valor en el ámbito del reconocimiento de patrones, el procesamiento del lenguaje natural y el aprendizaje profundo. 

En la Facultad de Medicina de la Universidad de Stanford, un algoritmo de aprendizaje automático superó a los patólogos humanos al predecir los tiempos de supervivencia del paciente para dos tipos de cáncer de pulmón. 

En el Reino Unido, una herramienta de procesamiento de lenguaje natural aplicada a las evaluaciones entre pares de texto libre acordó con los lectores humanos acerca del contenido de los documentos el 98 por ciento del tiempo.   

Y en la Universidad de Indiana-Purdue University Indianapolis, el aprendizaje mecánico predijo correctamente las tasas de recaída para un tipo de leucemia el 90 por ciento del tiempo. Se identificó a los pacientes que experimentan remisión con un 100 por ciento de precisión.

Algoritmos que se asemejan a la verdadera inteligencia artificial no han alcanzado las mismas altas alturas todavía. Pero en un futuro cercano, AI puede encontrar un hogar algo irónico en centrarse más en el lado humano de la atención. Los asistentes virtuales, los robots de servicio al cliente y los entrenadores de salud computarizados impulsados ​​por la IA podrían tener éxito al imitar las interacciones reales de persona a persona que mantienen a los pacientes felices y saludables. 

"Los diagnósticos complementarios ayudarán a cerrar las brechas en nuestros recursos de datos actuales y nos ayudarán a pasar a una medicina verdaderamente personalizada".

Estas actividades son relativamente de bajo riesgo en la naturaleza desde una perspectiva de seguridad del paciente, y el umbral de éxito se limita a tener una experiencia relativamente libre de frustración que termina llevando a cabo una tarea discreta a la mano.

Global Market Insights, Inc. predice que el mercado de asistentes virtuales inteligentes probablemente crecerá a un CAGR de 34,9 por ciento hasta 2024, impulsado en gran parte por capacidades mejoradas de reconocimiento de voz en el sector de la salud, entre otros. Herramientas de reconocimiento de voz están programadas para producir un recaudo de $ 7.5 mil millones para los vendedores, especialmente aquellos que pueden tomar la tecnología móvil.

En 2016, el Hospital de Niños de Boston dio sus primeros pasos en esta arena mediante el desarrollo de una aplicación para la herramienta Alexa de Amazon que ofrece información básica de salud y apoyo a la toma de decisiones para los padres de los niños enfermos.

La aplicación permite a los usuarios hacer preguntas acerca de las pautas de dosificación para los medicamentos comunes sin receta, y consultar el sistema cuando están preocupados acerca de si los síntomas de bajo grado requieren una visita al pediatra.

Nitin Gujral, gerente de desarrollo de software del Innovation and Digital Health Accelerator (IDHA) del hospital, dijo: "Cada vez más, las familias buscarán realizar un triaje de atención médica de primera línea con aplicaciones y dispositivos móviles de diagnóstico y aplicaciones de apoyo a la decisión.

"Los dispositivos domésticos conectados como Echo de Amazon, Echo Dot, Fire TV y Amazon Tap comenzarán a ser utilizados para la prestación de atención de salud intuitiva".

El hospital espera expandir el papel de Alexa en las interacciones con los pacientes, agregó Jared Hawkins, MMSc, ​​PhD, director de informática de IDHA.

"Nuestro enfoque actual es proporcionar información educativa sobre los síntomas pediátricos comunes y orientación para el tratamiento en el hogar", dijo. "Sin embargo, en el futuro imaginamos que los dispositivos habilitados para Alexa sean un punto central para que el público interactúe verbalmente con todo el contenido educativo desarrollado en el Boston Children's Hospital".

Las palabras "el futuro" y "imaginar" son probablemente las más pertinentes a la discusión de la inteligencia artificial en la asistencia sanitaria. Las promesas están ahí, y son muy emocionantes. 

AI podría aumentar significativamente la precisión, salvaguardar a los pacientes, mejorar la documentación y reducir la carga de trabajo de los médicos. Puede proporcionar algún día un servicio de atención al cliente perfectamente alegre y competente, o el mío, incluso los mayores repositorios de datos grandes para obtener información extraordinariamente precisa sobre el cuidado personalizado.

"Es un momento profundamente esperanzador en el tiempo, creo que estamos en un momento en el que realmente podemos transformar la asistencia sanitaria".

Puede que sólo sea cuestión de tiempo antes de que un brillante equipo de ingeniería rompa las limitaciones actuales de la programación y cree una personalidad digital engañosamente realista. 

Pero mientras tanto, las organizaciones sanitarias que buscan adelantarse a la curva deben por lo menos ser conscientes de que los vendedores que ofrecen herramientas de "inteligencia artificial" generalmente siguen trabajando hasta el reclamo - algunos con más éxito que otros.

El aprendizaje automático es una disciplina que evoluciona rápidamente y que puede aportar beneficios significativos a los proveedores ya los pacientes. De la patología a la pediatría, los casos de uso son casi interminables y las posibilidades bien financiadas maduras para la toma. 

"Es un momento profundamente esperanzador en el tiempo", dijo Rometty de IBM. "Creo que estamos en un momento en el que realmente podemos transformar la salud. Podemos reinventar las cosas, y creo que está en nuestro poder cambiar el mundo para mejor. "  

"La computación cognitiva podría marcar el comienzo de una edad de oro - si lo moldeamos sabiamente. Cuidado de la salud puede ser los líderes para el mundo para mostrarles cómo hacerlo. "

Recursos Relacionados