Machine Learning

Gracias al gran desarrollo de la investigación y de la innovación tecnológica, estamos presenciando un avance significativo en el diagnóstico médico gracias a técnicas como el Machine Learning; una rama de la Inteligencia Artificial cuyo objetivo es que las máquinas “aprendan” de la inteligencia humana.

¿Qué es el Machine Learning?

El Machine Learning se entiende como el desarrollo de programas que sean capaces de generalizar comportamientos en una máquina, en base a una información que no está estructurada y se suministra a modo de ejemplos. La máquina, a través de algoritmos, genera patrones de categorías, clasifica dicha información en función de estos patrones y organiza una respuesta adecuada.

El papel que juegan las técnicas de Machine Learning en el ámbito sanitario, es concentrar estos conocimientos en un gran ordenador (máquina cognitiva) que, a través de aplicaciones, sea capaz de ayudar a los profesionales de la medicina a diagnosticar enfermedades, basándose en repositorios de información y datos biomédicos, recogidos y clasificados alrededor del mundo.

El objetivo de las máquinas cognitivas es analizar datos de muchos tipos y obtener información útil para los expertos.

Gracias al Machine Learning podemos aprender nuevas indicaciones para medicamentos ya existentes, personalizar tratamientos u obtener información sobre nuevas enfermedades, que hasta ahora desconocíamos y todo ello gracias a que se recogen y analizan los datos de forma correctaMichal Rosen- Zvi.

La capacidad de seguir aprendiendo, es el impulso que liderará el desarrollo de nuevas tecnologías cognitivas.

En el ámbito cognitivo, el siguiente reto será la multimodalidad, es decir, la capacidad de estas máquinas para aprender de datos estructurados y genómicos o aprender de datos contextuales y analizar y descifrar lo que dice la gente.

Los expertos del FTF han debatido sobre la capacidad de la Inteligencia Artificial para analizar todo el conocimiento científico que se genera a diario en publicaciones especializadas (revistas, diarios, artículos), libros y congresos.

Una reflexión que puso sobre la mesa Chris Meyer y que continúo Francisco Curbera: “es muy difícil para los propios médicos estar actualizados respecto a este tipo de publicaciones. Lo relevante es saber qué tipo de publicaciones pueden ser importantes para el propio individuo, para su enfermedad, para la sociedad y extraer información útil para los médicos”.

Las máquinas tienen que ser capaces de determinar, de todo ese conocimiento científico que se genera día a día, qué es relevante y cómo puede ser incorporado a la práctica clínica para mejorar resultados.

Para nuestra experta, Mamar Gelaye, es fundamental que todas las innovaciones tecnológicas que se van a producir en los próximos años sean guiadas por un clínico.

 

“Se necesita un acuerdo entre todos los agentes implicados en el sistema sanitario para conseguir implementar la tecnología big data” Mamar Gelaye

 

Michal Rosen- Zvi cita al oncólogo Siddharhta Mukherjee, autor del libro “El emperador de todos los males”, ganador del Premio Pulitzer de ensayo en 2011.

En esta obra se vincula el concepto de enfermedad, al concepto de lucha, porque “muchas veces pensamos en la lucha contra la enfermedad y queremos utilizar todas nuestras armas. Mucho tiene que ver con la interacción entre personas y también en nuestro arsenal hay herramientas que podemos y debemos usar”.

En definitiva, tenemos que aprovechar la tecnología para promover nexos de colaboración entre áreas heterogéneas de conocimiento, para conectar con las instituciones adecuadas que recopilan todas estas historias, analizarlas y alcanzar intervenciones rentables para mejorar la vida de las personas desde el punto de vista de los resultados de la atención en salud.

Armas para la Salud Digital

  • Big Data

    Big Data

    Nuestra salud mejorará gracias a la captura de datos médicos y su análisis

    Ver más
  • Inteligencia Artificial

    Inteligencia Artificial

    Principales beneficios de la implantación de la tecnología de Inteligencia Artificial para la comprensión de enfermedades y diagnósticos complejos

    Ver más
  • Machine Learning

    Machine Learning

    El objetivo de las máquinas cognitivas es analizar datos de muchos tipos y obtener información útil para los expertos

    Ver más
  • Protección de datos

    ¿Estamos dispuestos a facilitar nuestros datos personales y sanitarios?

    Ver más