Skip to main content
European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Development and commercialization of a semi-supervised learning AI for robust diagnosis in real world settings.

Article Category

Article available in the following languages:

Un médico basado en inteligencia artificial utiliza procesos imaginativos para formarse

Una plataforma de diagnóstico innovadora ayuda a los médicos a detectar enfermedades no transmisibles con rapidez. Al formarse a sí misma, reduce el tiempo que los médicos humanos dedican a la plataforma y mejora su precisión con el paso del tiempo.

El uso de inteligencia artificial (IA) va en aumento en el ámbito sanitario y promete transformar las prácticas médicas de todo el mundo. Hasta ahora, el «software» de diagnóstico basado en IA ha demostrado ser capaz de detectar enfermedades y riesgos para la salud en sus fases iniciales. Esto resulta especialmente útil en el campo de las enfermedades no transmisibles (ENT), como las enfermedades cardiovasculares, oculares y respiratorias. Las ENT son responsables de aproximadamente el 60 % de todas las muertes y discapacidades del mundo. Con todo, el «software» se enfrenta a limitaciones importantes, como la necesidad de entrenar a la IA con cantidades ingentes de datos etiquetados. Esto puede resultar en conjuntos de datos poco manejables y, con frecuencia, incompletos, y la IA puede centrarse demasiado en los datos usados en la formación, lo que evita diagnósticos generalizados. El proyecto Mr. Doc, financiado con fondos europeos, ha creado una nueva vía: una plataforma de diagnóstico basada en IA de aprendizaje semisupervisado que realiza algunos entrenamientos usando pequeños conjuntos de datos etiquetados y, posteriormente, se enseña a sí misma para mejorar. La solución aprende de los médicos humanos y aprovecha este conocimiento para seguir entrenándose de una forma que imita a la imaginación humana. Además, puede predecir posibles variaciones o ruido que se pueda encontrar en el futuro, lo que contribuye a que los diagnósticos sean más sólidos en situaciones reales. «El objetivo final es detectar y diagnosticar ENT, como la arritmia y la hipertensión. Esto puede lograrse empleando parámetros biométricos, como la tensión arterial, la variabilidad de la frecuencia cardiaca, la hemoglobina y la glucosa en sangre, que proceden de señales “sucias” generadas por dispositivos electrónicos de consumo, como teléfonos inteligentes y cámaras de circuito cerrado», explica Fabio Rebecchi, director general, fundador y director científico de Mr. Doc.

Cómo funciona

Mr. Doc busca las muestras más informativas y útiles en conjuntos de datos clínicos. Después, los presenta a profesionales médicos, que etiquetan los datos. Estos comentarios contribuyen a mejorar la IA en un proceso interactivo que reduce la cantidad de tiempo que los médicos humanos dedican a la plataforma y ahorra hasta un 90 % en gastos. La IA se ejecuta en un tipo de aprendizaje automático conocido como Redes Generativas Antagónicas (RGA), que se utilizan en muchos procesos creativos. Las RGA ponen una red frente a otra: una presenta sus hallazgos y la otra los evalúa. Con el paso del tiempo, este proceso mejora la precisión. «Podemos usar RGA en tres capas de nuestro flujo de trabajo. En primer lugar, para transformar los conjuntos de datos de código libre de señales e imágenes médicas; en segundo lugar, para limpiar las señales generadas por los artefactos de movimiento y otras fuentes de ruido que suelen estar presentes en la electrónica de consumo; y, en tercer lugar, para reducir las dimensiones de los datos. Esto permite que Mr. Doc afronte los pasos siguientes con más facilidad y minimiza la pérdida de información», añade Rebecchi.

Señales de éxito

«Hasta ahora, hemos obtenido resultados significativos extrayendo información sobre enfermedades cardíacas y respiratorias de “selfies en vídeo” de los pacientes, así como detectando nuevos biomarcadores y signos de diagnóstico obtenidos de análisis de la retina mediante tomografía de coherencia óptica», comenta Rebecchi. Además, el equipo está realizando ensayos clínicos usando la plataforma para analizar los sonidos que emiten los usuarios al soplar en el micrófono de un teléfono inteligente. De esta forma, se calcula la probabilidad de que tenga asma y enfermedad pulmonar obstructiva crónica. «Horizonte 2020 fue un paso esencial para nosotros y nos dio seguridad, financiación inicial y la oportunidad de reflexionar sobre el plan y la visión del proyecto a largo plazo. Los siguientes pasos se orientarán a unas validaciones clínicas más amplias, una certificación del producto sanitario y la comercialización eventual de la plataforma», explica Rebecchi.

Palabras clave

Mr. Doc, inteligencia artificial, diagnóstico, enfermedad no transmisible, ayuda, precisión, redes generativas antagónicas

Descubra otros artículos del mismo campo de aplicación