Programada por ingenieros informáticos a finales del siglo XX, la IA nació a partir de un conjunto de instrucciones (reglas) creadas por humanos, permitiendo a la tecnología resolver problemas básicos.
Nota del editor: Muchas industrias se ven afectadas por las nuevas tecnologías en la era de la información. Con el impacto de la automatización, la informática y la inteligencia artificial (IA), sectores como la medicina, los hospitales, las aseguradoras y las industrias relacionadas con la salud no son la excepción. Pero, en particular, en el campo de la salud , la IA tiene un impacto más positivo que en otras industrias.
Primera generación
La forma en que se entrena la IA en la actualidad puede considerarse similar al enfoque de los estudiantes de medicina: a los sistemas de IA también se les enseñan cientos de algoritmos para traducir los síntomas del paciente en diagnósticos. Esta se considera la primera generación de reglas sanitarias incorporadas a los sistemas de IA.
Los algoritmos de toma de decisiones crecen como un árbol, comenzando desde el tronco (el problema del paciente) y ramificándose a partir de ahí. Por ejemplo, si un paciente se queja de tos fuerte, el médico primero le preguntará si tiene fiebre. Habrá dos grupos de preguntas: fiebre/ausencia de fiebre. Las respuestas iniciales darán lugar a más preguntas sobre la afección. Esto a su vez, a otras ramas. Finalmente, cada rama representa un diagnóstico, que puede abarcar desde neumonía bacteriana, fúngica o vírica hasta cáncer, insuficiencia cardíaca o decenas de otras enfermedades pulmonares.
En general, la primera generación de IA podía reconocer problemas, pero no analizar ni clasificar historiales médicos. Como resultado, las primeras formas de inteligencia artificial no podían ser tan precisas como los médicos que combinaban la ciencia médica con su intuición y experiencia. Y debido a estas limitaciones, la IA basada en reglas rara vez se utilizó en la práctica clínica en otras épocas.
Automatización completa
A principios del siglo XXI, comenzó la segunda era de la IA con la Inteligencia Artificial Estrecha (ANI), o inteligencia artificial que resuelve conjuntos específicos de tareas. La llegada de las redes neuronales que imitan la estructura del cerebro humano sentó las bases para la tecnología de aprendizaje profundo. La ANI funciona de forma muy diferente a sus predecesoras. En lugar de proporcionar reglas predeterminadas por los investigadores, los sistemas de segunda generación utilizan enormes conjuntos de datos para discernir patrones que a los humanos les llevaría mucho tiempo descifrar.
En un ejemplo, los investigadores alimentaron un sistema ANI con miles de mamografías, la mitad de las cuales mostraban cánceres malignos y la otra mitad, cánceres benignos. El modelo identificó al instante docenas de diferencias en el tamaño, la densidad y el sombreado de las mamografías, asignando a cada diferencia un factor de impacto que reflejaba la probabilidad de malignidad. Cabe destacar que este tipo de IA no se basa en heurísticas (reglas generales) como los humanos, sino en variaciones sutiles entre exámenes malignos y normales que son desconocidas tanto para el radiólogo como para el diseñador del software.
A diferencia de la IA basada en reglas, las herramientas de IA de segunda generación a veces superan la intuición humana en precisión diagnóstica. Sin embargo, esta forma de inteligencia artificial también presenta serias limitaciones. En primer lugar, cada aplicación es específica para cada tarea. Es decir, un sistema entrenado para leer mamografías no puede interpretar escáneres cerebrales ni radiografías de tórax. La mayor limitación de la IA es que la calidad del sistema depende de los datos con los que fue entrenado. Un claro ejemplo de esta debilidad fue cuando UnitedHealthcare utilizó una IA limitada para identificar a los pacientes más enfermos y ofrecerles servicios médicos adicionales. Al analizar los datos, los investigadores descubrieron que la IA hacía una suposición perjudicial. Los pacientes eran diagnosticados como sanos simplemente porque habían recibido poca atención médica en sus historiales médicos, mientras que los pacientes que utilizaban mucha atención médica eran considerados enfermos.
Las futuras generaciones de IA también permitirán a las personas diagnosticar enfermedades y planificar tratamientos como cualquier médico. Actualmente, una herramienta de IA generativa (MED-PALM2 de Google) ha aprobado el examen de licencia médica con una calificación de experto. Muchas otras herramientas de IA médica pueden ahora generar diagnósticos similares a los de los médicos. Sin embargo, estos modelos aún requieren la supervisión de un médico y no es probable que los reemplacen. Sin embargo, con su actual tasa de crecimiento exponencial, se espera que estas aplicaciones sean al menos 30 veces más potentes en los próximos 5 años. Se prevé que las futuras generaciones de herramientas como ChatGPT pondrán la experiencia médica al alcance de todos, transformando radicalmente la relación médico-paciente.
Compilado por VIET LE
[anuncio_2]
Fuente
Kommentar (0)