Este algoritmo puede detectar neumoní­a con más precisión que un radiólogo

Publicado el

Se han compartido muchas investigaciones sobre el potencial de la Inteligencia Artificial aplicada a la medicina, y que en algunos casos, puede alcanzar un nivel de precisión que supera el rendimiento de los profesionales.

Siguiendo esta lí­nea, investigadores de Stanford publicaron un documento sobre CheXNet, la red neuronal convolucional, que desarrollaron con la capacidad de detectar sí­ntomas de neumoní­a. Para ello, se vale del método tradicional, las radiografí­as de tórax.

CheXNet

A partir de la visualización de la radiografí­a, calcula el nivel de probabilidades de desarrollo de neumoní­a en el paciente, creando un mapa de calor (como se ve en la imagen de arriba) indicando las áreas que llevan a esa conclusión.

Para que está dinámica funcione, entrenaron a CheXNet con un increí­ble base de datos obtenidos del NIH (National Institutes of Health), de 112,120 radiografí­as de tórax tomadas a más de 30.000 pacientes, que incluí­an 14 diferentes patologí­as.

A partir de allí­, realizaron diferentes métodos y pruebas para enfocarse en la detección de la neumoní­a. Según los datos que han compartido, el nivel de precisión en la detección de los sí­ntomas de neumoní­a, puede igualar o hasta superar el desempeño (Sensibilidad y especificidad) de los radiólogos.

Podemos leer los detalles técnicos de este algoritmo en este documento que compartieron los investigadores de Stanford.