Un estudio publicado en la revista de acceso abierto Red abierta de JAMA el 14 de junio por científicos de las escuelas de ingeniería y medicina de la Universidad de Virginia y el Data Science Institute dice que los algoritmos de aprendizaje automático aplicados a las imágenes de biopsia pueden acortar el tiempo para diagnosticar y tratar una enfermedad intestinal que a menudo causa daño físico y cognitivo permanente en los niñosde zonas empobrecidas.
En lugares donde el saneamiento, el agua potable y la comida son escasos, hay altas tasas de niños que sufren de disfunción entérica ambiental, una enfermedad que limita la capacidad del intestino para absorber nutrientes esenciales y puede conducir a un retraso en el crecimiento, un desarrollo cerebral deteriorado e incluso la muerte.
La enfermedad afecta al 20 por ciento de los niños menores de 5 años en países de ingresos bajos y medios, como Bangladesh, Zambia y Pakistán, pero también afecta a algunos niños en zonas rurales de Virginia.
Para la Dra. Sana Syed, profesora asistente de pediatría en la Facultad de Medicina de la UVA, este proyecto es un ejemplo de por qué se metió en la medicina. "Estás hablando de una enfermedad que afecta a cientos de miles de niños, y esoes completamente prevenible ", dijo.
Syed está trabajando con Donald Brown, director fundador del UVA Data Science Institute y WS Calcott Professor en el Departamento de Sistemas de Ingeniería y Medio Ambiente, para incorporar el aprendizaje automático en el proceso de diagnóstico para los funcionarios de salud que luchan contra esta enfermedad. Syed y Brown están utilizandoUn enfoque de aprendizaje profundo llamado "redes neuronales convolucionales" para entrenar a las computadoras a leer miles de imágenes de biopsias. Los patólogos pueden aprender de los algoritmos cómo examinar más eficazmente a los pacientes en función de dónde la red neuronal está buscando diferencias y dónde se está enfocando.análisis para obtener resultados.
"Estos son los mismos tipos de algoritmos que Google está usando en el reconocimiento facial, pero los estamos usando para ayudar en el diagnóstico de enfermedades a través de imágenes de biopsia", dijo Brown.
El algoritmo de aprendizaje automático puede proporcionar información que ha evadido los ojos humanos, validar los diagnósticos de los patólogos y acortar el tiempo entre la imagen y el diagnóstico, y desde una perspectiva de ingeniería técnica, podría ofrecer una mirada a las "cajas negras" de la ciencia de datos aldando pistas sobre el mecanismo de pensamiento de la máquina.
Pero para Syed, todavía se trata de salvar vidas.
"Hay tanta pobreza y un conjunto de consecuencias tan injusto", dijo. "Si podemos usar estas tecnologías de vanguardia y formas de ver los datos a través de la ciencia de datos, podemos obtener respuestas más rápido y ayudar a estos niños antes"."
Fuente de la historia :
Materiales proporcionado por Facultad de Ingeniería y Ciencias Aplicadas de la Universidad de Virginia . Original escrito por Wende Hope. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :