Los biólogos australianos han creado un sistema de inteligencia artificial (IA) capaz de predecir la esperanza de vida de una persona con un 69% de precisión a partir de una sola fotografía de sus órganos, según un artículo publicado en Scientific Reports.
"Cuco" cibernético
En los últimos años, gracias al desarrollo de las matemáticas y al crecimiento de la potencia informática de las computadoras, los científicos tienen la oportunidad de crear redes neuronales complejas, sistemas de inteligencia artificial capaces de realizar tareas no triviales e incluso “pensar” de manera creativa, creando nuevos ejemplos de arte y tecnología.
norte
Por ejemplo, solo en el último año, los científicos han creado una IA capaz de jugar el "incontable" antiguo juego chino del Go, buscar en los periódicos los eventos más importantes de la historia, escribir guiones para juegos de computadora, colorear fotografías y videos "como Van Gogh" y hacer dibujos. A principios de año, los científicos dieron a conocer un sistema de inteligencia artificial que puede distinguir los lunares del cáncer de piel mejor que los dermatólogos más experimentados.
Oakden-Rainer y sus colegas llevaron esta idea más allá, creando un sistema de inteligencia artificial que puede determinar la duración de la vida de una persona a partir de fotografías de sus órganos internos obtenidas con un tomógrafo de computadora.
Este programa es la llamada red neuronal profunda o ultraprecisa: una estructura de varias capas de varias decenas o cientos de redes neuronales más simples. Cada uno de ellos no procesa datos brutos, sino productos de análisis obtenidos por la red ubicada arriba, lo que permite simplificar problemas muy complejos y resolverlos utilizando recursos computacionales relativamente modestos.
Estas redes no pueden resolver problemas inmediatamente después de su creación; como los humanos, tienen que aprender de sus propios errores durante mucho tiempo antes de comenzar a obtener las respuestas correctas.
Video promocional:
La magia de la inteligencia artificial
Para tal entrenamiento, Oakden-Rainer y sus colegas utilizaron una colección de varios miles de fotografías de tórax y abdomen tomadas con un escáner de tomografía durante las observaciones de salud de 40 pacientes. Este conjunto de imágenes, según los científicos, fue suficiente para que su creación pudiera alcanzar el nivel de predicciones que los médicos suelen demostrar cuando intentan determinar "a simple vista" la esperanza de vida de sus pacientes.
Después de asegurarse de que el sistema que crearon predice correctamente la vida útil a partir de las fotografías de los órganos de pacientes ya muertos, los científicos comprobaron cómo se las arreglaría con el trabajo en condiciones de "combate". Para hacer esto, reclutaron a un grupo de ocho pacientes jóvenes y ancianos, iluminaron su pecho con un tomógrafo y observaron sus vidas durante los siguientes años.
Al final resultó que, el programa hizo un muy buen trabajo con las tareas que se le asignaron: predijo correctamente la esperanza de vida para el 69% de los voluntarios, descubriendo correctamente qué pacientes de la clínica morirían en los próximos cinco años.
Dado que los científicos no saben cómo funcionan "desde adentro" estas redes neuronales profundas y cómo llegan a las conclusiones, no está claro exactamente qué características distintivas utiliza la computadora para predecir la muerte de una persona. Al mismo tiempo, la precisión relativamente alta de las predicciones para las personas que padecen enfermedad pulmonar obstructiva o insuficiencia cardíaca, habla a favor del hecho de que tales enfermedades influyeron más fuertemente en la "opinión" de la IA.
La ampliación de la base de datos y la participación de más voluntarios en los experimentos, esperan los científicos, mejorará significativamente la calidad de las predicciones y las hará más precisas para las personas que no padecen enfermedades cardíacas y pulmonares graves. Ahora, según Oakden-Rainer, su equipo está "entrenando" una nueva versión de la red neuronal basada en fotografías de 12 mil pacientes, lo que debería mejorar significativamente la precisión de las predicciones.
