Inteligencia Artificial aplicado a la Medicina

Las redes neuronales son una rama de la Inteligencia Artificial.
Entre las áreas de aplicación de las redes se encuentran entre otras las siguientes:
Análisis Financiero; Procesado de Imágenes  en el ámbito de la Medicina, Industria y Defensa; Diagnóstico Médico y Comercial; Robótica y Control; Reconocimiento y Síntesis de Voz; Clasificación de Datos provenientes de sensores; Compresión y Codificación de Información.

Las redes neuronales artificiales son modelos matemáticos que pueden ser entrenados para aprender relaciones no lineales entre un conjunto de datos de entrada y un conjunto de datos de salida. En medicina la aplicación más común de estos modelos, es la clasificación de patrones con el propósito de apoyar al médico en el diagnóstico y tratamiento del paciente.

APLICACIONES EN MEDICINA

Análisis de imágenes
En la práctica los médicos tienen que evaluar información de imágenes obtenidas con ultrasonido, resonancia magnética, medicina nuclear y radiología.
Normalmente se hace un análisis cualitativo por inspección visual; sin embargo, un examen cuantitativo presenta las siguientes ventajas: (i) los diagnósticos de distintos laboratorios usando los mismos criterios se pueden verificar, (ii)los datos para un sujeto se pueden comparar con una base de datos de personas normales para decidir automáticamente si existe la anormalidad, (iii) los hallazgos para un sujeto se pueden comparar con una base de datos con distintas enfermedades y detectar el tipo de anormalidad, (iv) los resultados de una serie

de exámenes del mismo paciente se pueden comparar para determinar la evolución de la enfermedad y analizar la respuesta al tratamiento.

Ultrasonido
Se han desarrollado modelos para cardiología, identificación de tejido del hígado y oftalmología.
Detección de infartos: las ecografías de corazón de sujetos normales y con infarto de miocardio se digitalizaron en una matriz de 256×256 pixeles con 256 niveles de gris. Las regiones de interés fueron seleccionadas por un cardiólogo en una matriz de 1Ox1Opixeles. Se entrenó una red neuronal multicapa para reconocer pequeñas diferencias entre el miocardio normal y anormal.

Resonancia magnética
Se han desarrollado varias aplicaciones para segmentar las imágenes; las redes neuronales han mostrado su utilidad en la identificación de vasos sanguíneos.

Segmentación de imágenes del cerebro: la segmentación de imágenes médicas obtenidas con resonancia magnética es muy importante para la visualización de tejidos suaves en el cuerpo humano. Se entrenó una red neuronal para clasificar los siguientes seis tipos de tejido: fondo, fluido cerebroespinal, materia blanca, materia gris, cráneo y grasa. Los resultados soportan el uso de redes neuronales como método para clasificar imágenes médicas.

Medicina nuclear
El análisis de imágenes con redes neuronales en medicina nuclear incluye tomografía por emisión de positrones (PET) y tomo grafía computarizada por emisión de un fotón (SPECT).

Diagnóstico de la enfermedad de Alzheimer: se obtuvieron imágenes PET de pacientes normales y pacientes con Alzheimer. Adicionalmente, para cada sujeto se midieron ocho parámetros que representan el metabolismo de la glucosa en los ocho lóbulos del cerebro (izquierdo y derecho): frontal, parietal, temporal, y occipital.

Se entrenó una red neuronal para clasificar los sujetos en las categorías normal y con enfermedad de Alzheimer, en pruebas de generalización la red clasificó correctamente el 92% de los casos. La red neuronal superó a los métodos estadísticos estándar como el análisis discriminante.

Radiología
Se han utilizado redes neuronales para analizar angiografías y mamografías.
Angiografía de arteria coronaria: se utiliza una red neuronal que recibe 121 (11×11) entradas, tiene 17 neuronas ocultas y dos salidas. Se hace un barrido de la imágen de 256x256x 8 bit usando una máscara de 11xll pixeles, la red clasifica el pixel central de la máscara como vaso o fondo. Los resultados sugieren que una red neuronal puede lograr una tasa de detección de vasos aceptable.

Los estudios comparativos, en análisis de imágenes, entre redes neuronales y métodos estadísticos clásicos como máxima verosimilitud y análisis discriminante reportaron igual o mejor desempeño de la red.
En el futuro veremos más aplicaciones de las redes neuronales en el análisis de imágenes. Nuevos algoritmos de entrenamiento, como alternativa al de propagación inversa, unidos a desarrollos en electrónica permitirán la construcción de procesadores de imágenes con redes neuronales.

CONCLUSIONES

La capacidad de las redes neuronales como clasificadores ha sido demostrada teóricamente y con múltiples aplicaciones. Los posibles usuarios tienen la opción de comprar un paquete o escribir sus programas para entrenar redes neuronales y luego usarlas como sistemas expertos.

Las redes neuronales introducen las ventajas de un examen cuantitativo en la práctica médica. Los registros médicos contienen información valiosa que puede ser utilizada para entrenar redes neuronales y crear sistemas expertos, estos enriquecen el diagnóstico del médico general y brindan una nueva perspectiva al médico especialista.

APOSTAR POR LA ROBÓTICA

El director del Centro de Tecnologías de la Información y Comunicaciones de la UNI, José Olidén, escribió el siguiente articulo en un diario de circulación nacional, que considero tiene importancia para gestionar industrias en el mundo actual. Consideraciones que deben tener los dueños de empresas para utilizar adecuadamente la tecnología y el recurso humano.

Transcripción de una parte del artículo:

En la actualidad, el contar con sistemas robóticos dentro de las industrias se ha vuelto vital para ser competitivos en varios aspectos.

Los robots permiten disminuir los tiempos de trabajo porque ellos pueden hacer tareas muy rápidamente, mejoran la precisión del trabajo y, por lo tanto, se tiene menor cantidad de desperdicios, protegen al hombre en trabajos de riesgo porque son capaces de soportar condiciones extremas de trabajo (como altas temperaturas) y son diseñados para trabajar con grandes cargas.

Cada solución robótica tiene inherente un análisis de ingeniería. La selección del o los robots dependerá de factores como elementos a manipular, condiciones de los procesos, y productividad. Estos conllevan a la selección de un robot industrial de acuerdo a su alcance y capacidad de carga, el diseño del efector final (Gripper, herramienta de corte, etc.) e integración de autómatas e instrumentación de campo.

Estas características hacen que las industrias deban migrar sus sistemas manuales a sistemas robóticos, los que harán que mejoren sus procesos y servicios, y disminuyan sus costos de fabricación y operación.

Ello podría a esta industria en competencia dentro del mercado con productos de alta calidad y bajo costo. Así, estaríamos creando empresas que puedan tener productos competitivos de manera internacional, tanto en precio como en calidad. El riesgo de tener procesos manuales, que podrían automatizarse usando robots, consiste en mantener un costo elevado y una calidad menor con respecto a las empresas que sí han automatizado y robotizado sus operaciones.

Mucho se comenta sobre el posible desempleo al reemplazar a un operario o una persona por un sistema robótico o un robot. Esto no es exacto. Lo que debería ocurrir es una reasignación de actividades de los trabajadores o una capacitación adecuada en el uso de las nuevas herramientas robóticas. Esto creará mejores remuneraciones y calidad de vida a los trabajadores.

Lo podremos notar bien con un ejemplo. Una empresa cuenta con cinco trabajadores que doblan planchas de metal, cuya producción es de 100 unidades de puertas metálicas al día. Si son reemplazados por un brazo robot y una dobladora, ahora solo necesitarían dos empleados. Uno de ellos debería operar un robot y el otro para recargar y usar las piezas. De esta manera, emplea mano de obra más calificada y, por lo tanto, mejor remunerada y con mejor calidad de vida. La pregunta es, ¿Qué pasa con los otros tres obreros? La respuesta es que deben ser reasignados en la empresa. Es decir, como incrementa la producción, ya que el robot puede trabajar de manera continua, entonces necesitará más personas en las áreas de empaque y distribución. Así llegará a tener mayor producción a un menor costo de operación y estas personas pasarán a realizar otras funciones (ahora necesarias) dentro de la empresa.

Las áreas en las que se puede usar la robótica en brazos de robots, o con cualquier robot con el que se quiera trabajar, serían la industria manufacturera, la minería, la medicina, la militar y hasta el hogar.

Actualmente, las aplicaciones son fundamentalmente de manipulación de los elementos. Algunas de las áreas en las que podemos trabajar son:

Minería, agricultura, medicina, defensa, recreación.