Los radiólogos intervencionistas de la Universidad de California en Los Ángeles UCLA están utilizando la tecnología que se encuentra en los automóviles autónomos para impulsar una aplicación de aprendizaje automático que ayuda a guiar la atención radiológica intervencionista de los pacientes, según una investigación presentada hoy en la Sociedad de Radiología IntervencionistaReunión científica anual de 2017.
Los investigadores utilizaron inteligencia artificial de vanguardia para crear un radiólogo intervencionista "chatbot" que puede comunicarse automáticamente con los médicos que derivan y proporcionar rápidamente respuestas basadas en evidencia a las preguntas frecuentes. Esto le permite al médico que deriva la información en tiempo realpaciente sobre la siguiente fase del tratamiento, o información básica sobre un tratamiento de radiología intervencionista.
"Teorizamos que la inteligencia artificial podría usarse de manera automatizada y de bajo costo en radiología intervencionista como una forma de mejorar la atención al paciente", dijo Edward W. Lee, MD, Ph.D., profesor asistente de radiología en la UCLADavid Geffen School of Medicine y uno de los autores del estudio: "Debido a que la inteligencia artificial ya ha comenzado a transformar muchas industrias, tiene un gran potencial para transformar también la atención médica".
En esta investigación, el aprendizaje profundo se utilizó para comprender una amplia gama de preguntas clínicas y responder de manera apropiada de manera similar a la mensajería de texto. El aprendizaje profundo es una tecnología inspirada en el funcionamiento del cerebro humano, donde se analizan las redes de neuronas artificialesgrandes conjuntos de datos para descubrir automáticamente patrones y "aprender" sin intervención humana. Las redes de aprendizaje profundo pueden analizar conjuntos de datos complejos y proporcionar información valiosa en áreas como la detección temprana, la planificación del tratamiento y el monitoreo de enfermedades.
"Esta investigación beneficiará a muchos grupos dentro del entorno hospitalario. Los miembros del equipo de atención al paciente obtienen un acceso más rápido y más conveniente a la información basada en evidencia; los radiólogos intervencionistas pasan menos tiempo al teléfono y más tiempo cuidando a sus pacientes; y, lo más importante, los pacientes tienen proveedores mejor informados capaces de brindar atención de mayor calidad ", dijo el coautor Kevin Seals, MD, médico residente en radiología en UCLA y el programador de la aplicación.
El equipo de UCLA permitió que la aplicación, que se asemeja a los chats de servicio al cliente en línea, desarrolle una base de conocimiento al alimentarla con más de 2,000 puntos de datos de ejemplo que simulan consultas comunes que reciben los radiólogos intervencionistas durante una consulta. A través de este tipo de aprendizaje, la aplicación puedeproporcione instantáneamente la mejor respuesta a la pregunta del médico que lo refirió. Las respuestas pueden incluir información en varias formas, incluidos sitios web, infografías y programas personalizados. Si la herramienta determina que una respuesta requiere una respuesta humana, el programa proporciona la información de contacto de un humanoradiólogo intervencionista: a medida que los médicos usan la aplicación, aprende de cada escenario y progresivamente se vuelve más inteligente y poderoso.
Los investigadores utilizaron una tecnología llamada Procesamiento del lenguaje natural, implementada utilizando la computadora de inteligencia artificial Watson de IBM, que puede responder preguntas planteadas en lenguaje natural y realizar otras funciones de aprendizaje automático. Este prototipo está siendo probado por un pequeño equipo de hospitalistas, oncólogos radiólogosy radiólogos intervencionistas en UCLA.
"Creo que esta aplicación tendrá un potencial fenomenal para cambiar la forma en que los médicos interactúan entre sí para brindar una atención más eficiente", dijo John Hegde, MD, médico residente en oncología de radiación en UCLA. "Un punto clave para mí es que creoeventualmente será la forma más fluida de compartir información médica. Aunque se siente tan fácil como chatear con un amigo por mensaje de texto, es una herramienta realmente poderosa para obtener rápidamente los datos que necesita para tomar decisiones mejor informadas ".
A medida que la aplicación continúa mejorando, los investigadores apuntan a expandir el trabajo para ayudar a los médicos generales a interactuar con otros especialistas, como cardiólogos y neurocirujanos. La implementación de esta herramienta en todo el espectro de la atención médica, dijo Lee, tiene un gran potencial en la búsqueda debrindar la atención al paciente de la más alta calidad.
Resumen 354: "Utilización de técnicas de aprendizaje profundo para ayudar a los clínicos en radiología diagnóstica e intervencionista: desarrollo de un asistente de radiología virtual". K. Seals; D. Dubin; L. Leonards; E. Lee; J. McWilliams; S.Kee; R. Suh; David Geffen School of Medicine en UCLA, Los Ángeles, CA. Reunión científica anual de SIR, del 4 al 9 de marzo de 2017. Este resumen se puede encontrar en sirmeeting.org .
Fuente de la historia :
Materiales proporcionados por Sociedad de Radiología Intervencionista . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :