El MIT se apoya en la IA para predecir el cáncer de mama
El Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT ha desarrollado un modelo predictivo de IA que puede predecir el desarrollo del cáncer de mama cinco años antes de esa fecha.
Los investigadores que trabajaron en el proyecto sabían que proyectos similares a menudo tienen prejuicios en la inteligencia artificial, porque fueron capacitados principalmente en datos de pacientes blancos. Es por eso que diseñaron su propio modelo de tal manera que fue informado sobre la base de datos "más justos", informa TechCrunch .
Según los investigadores, esto también es necesario porque las mujeres de raza negra tienen 42% más probabilidades de morir que las mujeres de raza blanca como resultado del cáncer de mama. Una razón para esto puede ser que las técnicas actuales para la detección temprana de la enfermedad no ayudan tan bien a este grupo de mujeres. El objetivo del desarrollo de la tecnología actualmente en uso por los investigadores fue hacer que sea más preciso determinar estos tipos de riesgos para la salud entre las minorías, que a menudo están menos bien representadas en el desarrollo de modelos de aprendizaje profundo.
Herramienta de entrenamiento
La herramienta MIT ha sido entrenada en mamografías y resultados de pacientes, con el desarrollo final del cáncer como un resultado importante, de casi 60.000 pacientes. Se utilizaron un total de 90.000 mamogramas, todos de pacientes del Hospital General de Massachusetts. La herramienta comienza con los datos y utiliza el aprendizaje profundo para identificar patrones que los médicos humanos no pueden ver.
Debido a que la herramienta no se basa en las suposiciones existentes o el conocimiento recibido sobre los factores de riesgo, que es un marco sugerente, los resultados son mucho más precisos por el momento. Esto se aplica en particular a los descubrimientos predictivos, incluso antes de que se haga un diagnóstico.
El objetivo del proyecto es ayudar a los profesionales de la salud a construir un buen programa de detección y prevenir las consecuencias de un diagnóstico tardío. El MIT también espera que la técnica se pueda utilizar para mejorar la detección de otras enfermedades que también tienen problemas con los modelos de riesgo existentes con baja precisión.
