Diariamente, se efectúa el diagnóstico de enfermedades en laboratorios médicos y clínicas a través de millones de células sanguíneas individuales. Se trata de una tarea repetitiva que a menudo, aún se realiza manualmente por personal capacitado que inspeccionan muestras de sangre con microscopios.
Gracias a la inteligencia artificial, es posible identificar y contar automáticamente los diferentes tipos de células sanguíneas utilizando algoritmos de visión por computadora, hoy en día, estas tecnología permite incluso, identificar a los pacientes con alto y muy bajo riesgo de desarrollar cáncer.
Los diagnósticos médicos rápidos y precisos son cruciales para el tratamiento exitoso de las enfermedades. Usando algoritmos de aprendizaje automático y basados en resultados de análisis de sangre de laboratorio, se han construido modelos para predecir una enfermedad hematológica. El algoritmo ha aprendido a reconocer qué células son normales o anormales, lo que abre la puerta a la detección temprana de una determinada enfermedad de la sangre.
La prueba de diagnóstico se desarrolló utilizando datos tomados de cientos de miles de pacientes investigados por cáncer entre 2011 y 2019. Utiliza el aprendizaje automático, una rama de la inteligencia artificial, para medir 33 biomarcadores en la muestra de sangre. Esta información se combina con otros datos, como la edad y el sexo, para generar un solo número: la probabilidad de que una persona tenga cáncer.
En las primeras etapas de las investigaciones clínicas significa que los médicos podrían determinar dentro de las 72 horas la probabilidad de que un paciente tenga cáncer y priorizarlos para las pruebas en el hospital o descartarlos por completo de la vía del cáncer.
La prueba promete tener un impacto significativo en la atención del cáncer en el área: elimina la presión de los servicios de salud en un momento en que la pandemia está causando retrasos y ayuda a reducir la ansiedad de los pacientes al acortar la espera hasta el diagnóstico.
El aprendizaje automático ha experimentado un desarrollo significativo durante la última década y se está utilizando con éxito en muchas aplicaciones inteligentes que cubren una amplia gama de problemas relacionados con los datos.
La «huella digital» de una determinada enfermedad hematológica que se encuentra en los valores de los resultados de los análisis de sangre sería suficiente para que un modelo predictivo basado en el aprendizaje automático sugiriera un diagnóstico plausible, siempre que la máquina estuviera entrenada en un conjunto de datos suficientemente grande de datos médicos.
Por: Dalia Solano.
Fuentes:
Medtech news.
Partnership provides blood test kits for home monitoring.
