Continuando con las conferencias de la primera jornada internacional de la IAAM2020. En esta instancia, fue oportunidad del profesor e investigador de la Universidad de Antioquia en Inteligencia Artificial y Data Science, PhD en análisis de imágenes biomédicas por la Universidad de Oporto, colaborador como Director del CETA-CIEMAT, Ingeniero de Software en el Centro Europeo para la Física de Partículas y cofundador de Pildo Labs, Raúl Ramos-Pollán, quien compartió sus conocimientos sobre la implementación de la Inteligencia Artificial en la salud.
El ingeniero inició acotando que la IA comprendía una serie de conceptos ahora englobados que para él: “ a mi modo de ver es un término confuso, que transmite un mensaje distinto, una expectativa errónea de lo que estamos haciendo”.
La realidad de la IA
Indicó que en la actualidad se trata de un conjunto de técnicas, ya sea sistemas intuitivos, aprendizaje automático o big data, que permiten realizar ciertas tareas.
Realizó un pequeño ejercicio, invitando a los espectadores a participar con el objetivo de calibrar la idea que poseían sobre la IA. El ejercicio consistió en la observación de ciertas imágenes, donde se debía indicar si el objeto contenía una IA.
También, recalcó la diferencia entre IA y el “control de las máquinas”, productos del avance tecnológico o cuarta revolución industrial. Esto con el fin de plantear la siguiente incógnita: “¿Qué estamos haciendo cuando hacemos IA?”, explicando que existen numerosas tareas que se pueden hacer con ella o con sus técnicas.
El algoritmo
El ponente por medio de un ejemplo buscó enseñar la manera en que los algoritmos funcionan para producir las predicciones. Indicó que este proceso conlleva a un gran esfuerzo, donde tiene lugar el término “y”, llamado dadas salidas esperadas y “x”, que representa dadas entradas. Expuso el procedimiento por el cual se origina un modelo de creación de forma en el momento en que aparecen nuevas entradas dentro de esta ecuación. Tomó por ejemplo cuando hay nuevos pacientes con diagnóstico confirmado (lo cual forma parte de los datos etiquetados), donde Y seria los pacientes nuevos sin diagnóstico; por lo tanto, el deber del modelo sería predecir cuál es el diagnóstico
La Inteligencia Artificial en la Salud
Ejemplificó por medio de un proyecto propio las anotaciones de datos de estos modelos, donde colocó un algoritmo a pasear a través de Google Street View en algunas calles de Madrid. También, otro ejemplo señalado fue cuando realizó un proyecto de detección de alzheimer, realizando un modelo donde se encontraban pacientes con la padencia y sin ella, tomando en consideración las partes del cerebro que más influyen en esta afección.
Por último, habló de otros elementos que también pueden ser pertinentes en el contexto de Inteligencia artificial en la salud, como: cuestiones éticas y legales, entornos operativos, la generación de equipos multidisciplinarios, entre otros.
Si te interesa conocer más sobre tecnología en la salud, te recomendamos nuestro artículo sobre: Mascarilla inteligente no esconde la sonrisa y se desinfecta sola
