lunes, 24 de abril de 2017

la inteligencia artificial autodidacta supera los médicos a predecir ataques cardíacos

Los médicos tienen una gran cantidad de herramientas para predecir la salud de un paciente. Pero, ya que incluso le dirán-son rival para la complejidad del cuerpo humano. Los ataques al corazón, en particular, son difíciles de anticipar. Ahora, los científicos han demostrado que las computadoras capaces de enseñar a sí mismos pueden realizar incluso mejor que las guías médicas estándar, aumentando significativamente la tasa de predicción. Si se implementa, el nuevo método podría ahorrar miles o incluso millones de vidas al año. 
“No puedo hacer suficiente hincapié en lo importante que es,” dice Elsie Ross, un cirujano vascular de la Universidad de Stanford en Palo Alto, California, que no participó en la obra “, y lo mucho que realmente espero que los médicos empiezan a abrazar la el uso de la inteligencia artificial para que nos ayuden en el cuidado de los pacientes “.
Cada año, cerca de 20 millones de personas mueren a causa de los efectos de las enfermedades cardiovasculares, incluyendo ataques cardíacos, accidentes cerebrovasculares, obstrucción de las arterias, y otras disfunciones del sistema circulatorio. En un esfuerzo por predecir estos casos, muchos médicos usan directrices similares a las de la American College of Cardiology / American Heart Association (ACC / AHA). Los que se basan en ocho factores de riesgo, incluyendo la edad, el nivel de colesterol y la presión arterial, que los médicos efecto sea.Pero eso es demasiado simplista para dar cuenta de los muchos medicamentos que un paciente podría estar en, u otros factores de la enfermedad y de estilo de vida. “Hay una gran cantidad de interacción en los sistemas biológicos”, dice Stephen Weng, un epidemiólogo de la Universidad de Nottingham en el Reino Unido. Algunas de estas interacciones son contra-intuitivo: Una gran cantidad de grasa corporal en realidad puede proteger contra enfermedades del corazón en algunos casos. “Esa es la realidad del cuerpo humano”, dice Weng. “Lo que la informática nos permite hacer es explorar esas asociaciones.”
En el nuevo estudio, Weng y sus colegas compararon el uso de las directrices del ACC / AHA con cuatro algoritmos de aprendizaje automático: bosque aleatorio, la regresión logística, gradiente impulsar y redes neuronales. Las cuatro técnicas de analizar gran cantidad de datos con el fin de llegar a las herramientas de predicción sin ninguna instrucción humana. En este caso, los datos provienen de los registros médicos electrónicos de 378,256 pacientes en el Reino Unido. El objetivo era encontrar patrones en los registros que se asociaron con eventos cardiovasculares.Publicado en: 
DOI: 10.1126 / science.aal1058
En primer lugar, la inteligencia artificial (IA) algoritmos tenían que entrenarse. Utilizaron aproximadamente el 78% de la ficha algunos registros 295267-a buscar patrones y construir sus propias directrices internas “” Luego, probaron a sí mismos en los registros restantes. Utilizando datos de registro disponibles en 2005, que predice qué pacientes tendrían su primer evento cardiovascular en los próximos 10 años, y se verificaron las conjeturas contra los 2015 registros. A diferencia de las directrices ACC / AHA, los métodos de aprendizaje automático se les permitió tomar en cuenta 22 más puntos de datos, incluyendo el origen étnico, artritis, y enfermedad renal.
Los cuatro métodos de IA se desempeñaron significativamente mejor que las directrices del ACC / AHA. Usando una estadística llamada AUC (en la que una puntuación de 1,0 significa% de precisión 100), el ACC / AHA golpeado 0,728. Los cuatro nuevos métodos iban 0,745-0,764, informó el equipo de Weng este mes en PLoS ONE . Las redes correctamente-mejor-neuronales predijeron un 7,6% más eventos que el método ACC / AHA, la cual se puso un 1,6% menos falsas alarmas. En la muestra de ensayo de alrededor de 83.000 registros, que asciende a 355 pacientes adicionales cuyas vidas se podrían haber salvado . Esto se debe a la predicción a menudo conduce a la prevención, Weng dice, a través de medicamentos o cambios en la dieta para reducir el colesterol.
“Este es un trabajo de alta calidad”, dice Evangelos Kontopantelis, un científico de datos de la Universidad de Manchester en el Reino Unido que trabaja con bases de datos de atención primaria. Dice que, para dedicar más potencia computacional o más datos de entrenamiento al problema “podría haber dado lugar a aumentos aún mayores.”
Varios de los factores de riesgo que los algoritmos de aprendizaje identificados como los predictores más fuertes no están incluidas en las directrices del ACC / AHA, como una enfermedad mental grave y tomando corticosteroides orales. Mientras tanto, ninguno de los algoritmos considerados diabetes, que está en la lista de ACC / AHA, para estar entre los 10 mejores predictores. De cara al futuro, Weng espera incluir otro estilo de vida y los factores genéticos en algoritmos informáticos para mejorar aún más su precisión.
Kontopantelis señala una limitación a la obra: algoritmos de aprendizaje son como cajas negras , en la que se pueden ver los datos que entran y la decisión de que salga, pero no se puede captar lo que sucede en el medio. Eso hace que sea difícil para los seres humanos para modificar el algoritmo, y se frustra predicciones de lo que hará en un nuevo escenario.
Serán los médicos pronto adoptar métodos de aprendizaje de máquinas similares en sus prácticas? Los médicos realmente se enorgullecen de su experiencia, dice Ross. “Pero, siendo parte de una nueva generación, veo que puede ser asistida por la computadora.”