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.
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.