CIO
Sin lugar a dudas vivimos en un mundo cambiante, el internet revolucionó la manera en que vivimos, donde la Inteligencia Artificial (AI) y el Aprendizaje Automático (AA) se abren camino en nuestra vida diaria. Con la AI se pueden analizar datos, determinar anomalías y realizar decisiones informadas de manera más rápida. Sin duda la AI es una tecnología adoptada por diferentes industrias, esto es el caso del campo de la salud.
MGH & BWH Center for Clinical Data Science, una colaboración entre el Mass General Hospital (MGH) y el Bringham and Women‘s Hospital (BWH), utilizan la AI para acelerar los procesos de análisis de imágenes por resonancia magnética.
Neil Tenenholtz, científico senior del aprendizaje automático en el MGH & BWH Center for Clinical Data Science (CCDS), explica las diferentes aplicaciones de esta tecnología en el sector salud.
La estación DGX es un centro de datos en el escritorio
La estación GDX es un súper ordenador con GPU del tamaño de un ordenador de escritorio. Su plataforma primaria de AI ha sido la DGX-1, siendo un reto para la plataforma que el científico de datos debe trabajar en conjunto con el TI para tener al DGX-1 aprovisionado para esta tarea.
Creando un tiempo de retraso que el investigador podría utilizar para analizar datos y realizar experimentos de aprendizaje profundo.
La AI ayuda a mejorar la eficiencia del radiólogo
La tarea de en qué Tenenholtz trabaja es desarrollar modelos basados en la IA, especialmente para la radiología, para integrarlos en el flujo de trabajo clínico de los radiólogos.
El centro está integrando diferentes modelos basados en esta tecnología que puedan mejorar la eficiencia del radiólogo, y la rapidez y eficacia del médico en cuanto al análisis de forma manual. La IA se está utilizando como una herramienta y no como un remplazo de las clínicas.
Las GAN para acelerar el entrenamiento del IA
Actualmente se está trabajando en un cerebro “GAN” para resonancias magnéticas. Las Redes Generativas Antagónicas (GAN), consisten en una clase de algoritmos de IA utilizados en el aprendizaje automático no supervisado. Consiste en dos componentes: el generador que crea imágenes sintéticas, y el discriminador que evalúa dichas imágenes y determina si son reales o no.
En cuanto al uso por parte del CCDS, se utilizan para crear una resonancia magnética de un cerebro sintético, el cual el discriminador evalúa. El objetivo de la GAN es “ser un tren” de dos sistemas en paralelo. Con el tiempo, el generador será cada vez más preciso en la creación de imágenes del cerebro sintético.
Puede interesarle: ¿Cómo aprovechar la inteligencia artificial?
Además, el discriminador puede ser utilizado en futuras aplicaciones de transferencia del aprendizaje, dónde un algoritmo entrenado en una tarea puede ser aplicado a otra con menos ejemplos de entrenamiento. Por ende, el discriminador se podría utilizar para detectar otras y más raras anomalías cerebrales.
Comments