{"id":2504,"date":"2016-12-01T20:24:09","date_gmt":"2016-12-01T19:24:09","guid":{"rendered":"https:\/\/www.euroresidentes.com\/tecnologia\/noticias-google\/?p=2504"},"modified":"2017-03-02T12:33:38","modified_gmt":"2017-03-02T11:33:38","slug":"google-ia-para-diagnosticar-la-retinopatia-diabetica","status":"publish","type":"post","link":"https:\/\/www.euroresidentes.com\/tecnologia\/noticias-google\/google-ia-para-diagnosticar-la-retinopatia-diabetica\/","title":{"rendered":"Google prueba con \u00e9xito su tecnolog\u00eda de IA para diagnosticar la retinopat\u00eda diab\u00e9tica"},"content":{"rendered":"

Google ha desarrollado un sistema de inteligencia artificial (IA),<\/strong> basado en su tecnolog\u00eda de aprendizaje profundo, que es capaz de diagnosticar la retinopat\u00eda diab\u00e9tica<\/strong>, una enfermedad de la vista muy extendida en todo el mundo y que puede llegar a causar ceguera. Seg\u00fan un estudio reciente, la tecnolog\u00eda de IA de Google puede diagnosticar la enfermedad con la misma fiabilidad que un m\u00e9dico y m\u00e1s r\u00e1pido<\/strong>. <\/p>\n

\"Google

Fuente: National Eye Institute, National Institutes of Health.<\/p><\/div>\n

Numerosos hospitales realizan miles de tomograf\u00edas de coherencia \u00f3ptica a la semana para diagnosticar enfermedades en los ojos, pero estas exploraciones, que utilizan luz dispersa para crear im\u00e1genes en 3-D de alta resoluci\u00f3n de la retina, producen grandes cantidades de datos y analizar toda esa informaci\u00f3n es una tarea ardua que puede llevar mucho tiempo.<\/p>\n

En este tipo de enfermedades, una detecci\u00f3n temprana puede<\/strong> conllevar enormes beneficios para el paciente e incluso evitar la ceguera, por lo que lo ideal ser\u00eda poder realizar la prueba a toda la poblaci\u00f3n como medio de prevenci\u00f3n<\/strong>, con el fin de poder detectar cada caso en cuanto se desarrolla.<\/p>\n

Sin embargo, hasta ahora, entender las im\u00e1genes generadas requer\u00eda un personal humano bien formado y experimentado para poder identificar los problemas espec\u00edficos de cada caso. Y la falta de personal adecuado<\/strong>, especialmente en pa\u00edses con menos recursos, combinada con el elevado volumen de informaci\u00f3n para analizar, hac\u00eda que eso fuera algo completamente inviable<\/strong>.<\/p>\n

Ah\u00ed es donde entra la inteligencia artificial de Google. En general, cualquier sistema de inteligencia artificial es capaz de analizar grandes vol\u00famenes de informaci\u00f3n mucho m\u00e1s r\u00e1pido que un humano<\/strong>, pero faltaba comprobar si ser\u00eda capaz de realizar un diagn\u00f3stico correcto de las im\u00e1genes. Y seg\u00fan un estudio reciente, publicado en l\u00ednea el 29 de noviembre en The Journal of the American Medical Association<\/em> (JAMA)<\/strong>, lo ha conseguido. Al menos en lo que respecta a la retinopat\u00eda diab\u00e9tica.<\/p>\n

 <\/p>\n

<\/p>\n

 <\/p>\n

\u00bfQu\u00e9 es la retinopat\u00eda diab\u00e9tica y por qu\u00e9 convendr\u00eda revisar a toda la poblaci\u00f3n?<\/h2>\n

La retinopat\u00eda diab\u00e9tica es una de las principales causas de p\u00e9rdida de visi\u00f3n en todo el mundo<\/strong>. Seg\u00fan las estimaciones de la Encuesta Nacional de Salud y Nutrici\u00f3n 2005-2008, s\u00f3lo en los EE.UU. la retinopat\u00eda diab\u00e9tica afecta al menos a 5 millones de personas mayores de 40 a\u00f1os; y seg\u00fan la Organizaci\u00f3n Mundial de la Salud (OMS), la cifra de afectados a nivel mundial podr\u00eda superar los 100 millones de personas.<\/strong><\/p>\n

Este elevado n\u00famero de personas que padecen la enfermedad es precisamente una de las dificultades para su tratamiento y prevenci\u00f3n.<\/p>\n

Desde hace a\u00f1os, la American Diabetes Association<\/em>, la American Academy of Ophthalmology<\/em> y muchas otras asociaciones internacionales, recomiendan realizar revisiones generalizadas para detectar la enfermedad cuanto antes<\/strong> y evitar as\u00ed lo que se puede considerar ya un importante problema de salud p\u00fablica.<\/p>\n

La prueba de detecci\u00f3n, que consiste en tomar una imagen de la retina, es simple y segura; y existe un tratamiento eficaz para aquellos casos en los que la enfermedad se detecta en una etapa temprana<\/strong>, ya sean inyecciones intravenosas de un factor de crecimiento endotelial antivascular o bien terapia de l\u00e1ser para los casos m\u00e1s severos de retinopat\u00eda diab\u00e9tica o edema macular diab\u00e9tico.
\u00a0
En este sentido, realizar la prueba de detecci\u00f3n de forma preventiva entre la poblaci\u00f3n podr\u00eda ahorrar muchos problemas futuros. Sin embargo, no se est\u00e1 haciendo,<\/strong> b\u00e1sicamente, porque el n\u00famero de personas a las que habr\u00eda que realizar la prueba supera con creces los recursos disponibles para hacerla<\/strong> en la mayor\u00eda de pa\u00edses.<\/p>\n

Ahora, la tecnolog\u00eda de aprendizaje profundo de Google podr\u00eda cambiar esta situaci\u00f3n.<\/strong><\/p>\n

<\/p>\n

\u00bfEn qu\u00e9 consiste el aprendizaje profundo y c\u00f3mo puede ayudar?<\/h2>\n

El aprendizaje profundo es una rama del aprendizaje autom\u00e1tico (machine learning<\/em>)<\/a><\/strong>, encuadrado a su vez, dentro del campo de la inteligencia artificial.<\/strong><\/p>\n

Google y otras empresas tecnol\u00f3gicas como Facebook o Apple llevan a\u00f1os utilizando el aprendizaje profundo para analizar grandes vol\u00famenes de datos (big data<\/em>) con el fin de predecir el comportamiento, los gustos o los intereses de los usuarios, etc. <\/p>\n

Por sus caracter\u00edsticas, esta tecnolog\u00eda tiene muchas aplicaciones posibles en el sector de la salud<\/strong>, por ejemplo, para identificar qu\u00e9 pacientes son m\u00e1s propensos a desarrollar una enfermedad concreta o, entre aquellos ya han desarrollado la enfermedad, cu\u00e1les deben acudir a revisi\u00f3n con mayor frecuencia o recibir un tratamiento m\u00e1s agresivo. \u00a0<\/p>\n

Seg\u00fan el nuevo estudio, tambi\u00e9n puede diagnosticar con \u00e9xito la retinopat\u00eda diab\u00e9tica a partir de las im\u00e1genes tomadas de la retina de los pacientes.<\/strong><\/p>\n

La tecnolog\u00eda de aprendizaje profundo utilizada para el diagn\u00f3stico es similar a la tecnolog\u00eda de reconocimiento de im\u00e1genes que Google utiliza<\/a> ya para identificar caras, animales, objetos o monumentos en las fotos que los usuarios suben a Google fotos y otros servicios de la compa\u00f1\u00eda. Salvo que, en este caso, el sistema ha sido adiestrado para reconocer la enfermedad.<\/p>\n

Para ello, primero \u00abentrenaron\u00bb el algoritmo <\/strong>utilizando grandes conjuntos de datos en formato imagen (n = 128175); y, posteriormente, lo \u00abprobaron\u00bb, <\/strong>utilizando 2 conjuntos de datos separados (n = 9963 im\u00e1genes y n = 1748 im\u00e1genes).<\/strong><\/p>\n

El software<\/strong> de detecci\u00f3n de retinopat\u00eda diab\u00e9tica basado en t\u00e9cnicas de aprendizaje profundo de Google super\u00f3 las pruebas con \u00e9xito<\/strong>, mostrando una sensibilidad del 87% al 90%, un 98% de especificidad<\/strong> y un \u00e1rea por debajo de la curva caracter\u00edstica de funcionamiento del receptor de 0,99 en la detecci\u00f3n de retinopat\u00eda diab\u00e9tica moderada o severa o de edema macular diab\u00e9tico. <\/p>\n

Estas cifras son similares a las obtenidas por oftalm\u00f3logos expertos<\/strong>, con la diferencia de que el sistema de IA de Google es capaz de analizar muchas m\u00e1s im\u00e1genes en menos tiempo<\/strong>, lo que permitir\u00eda realizar la prueba de detecci\u00f3n a un amplio sector de la poblaci\u00f3n.<\/p>\n

 <\/p>\n

\"Google<\/p>\n

 <\/p>\n

 <\/p>\n

\u00bfCu\u00e1l es el siguiente paso antes de poder utilizar la IA para diagnosticar la retinopat\u00eda diab\u00e9tica en programas reales de detecci\u00f3n?<\/h2>\n

Seg\u00fan los autores del estudio, el siguiente pas\u00f3 ser\u00e1 determinar la viabilidad de aplicaci\u00f3n de este algoritmo en los programas de detecci\u00f3n<\/strong> de retinopat\u00eda diab\u00e9tica y comprobar si el uso del algoritmo podr\u00eda, en \u00faltima instancia, mejorar la atenci\u00f3n al paciente y los resultados.<\/p>\n

Los propios autores del estudio se\u00f1alan algunas de sus limitaciones,<\/strong> por ejemplo:<\/p>\n