Google está buscando adaptar su tecnologÃÂa GoogLeNet, para que sea usada en el análisis de muestras patológicas y asàacelerar el proceso de detección y diagnóstico del cáncer.
GoogLeNet, es el mismo sistema de aprendizaje automático que ha desarrollado la compañÃÂa para otros proyectos, como su coche autónomo. La IA ha sido capaz de analizar las imágenes de escáner de pacientes, sin que haya sido necesario realizarle cambios.
Debido al aprendizaje automático, una IA es capaz de aprender por si misma a partir de miles de muestras, sin necesidad de ser programada para realizar una determinada acción.
En el campo médico de la oncologÃÂa, la velocidad en el procesamiento de los estudios citológicos de los pacientes es de vital importancia. La rapidez con que se desarrollan los tumores, requiere que la presión para diagnosticar el cáncer en etapas tempranas sea mayor, para asàdar mayores posibilidades de tratamiento al paciente.
Las primeras pruebas a GoogLeNet, partieron del análisis de una gran cantidad de imágenes, con las cuales la IA creó “mapas de calor†en las que se apreciaban zonas claramente alteradas, en las cuales podrÃÂa haber tumores. No obstante, la selección no era perfecta y en muchas ocasiones se hacÃÂa difÃÂcil encontrar donde habÃÂa sido detectado el tumor.
Sin embargo, los ingenieros de Google, realizaron algunas modificaciones al sistema para que se adaptara más fácilmente a este tipo de imágenes. Con estos cambios, el sistema arrojó resultados nunca vistos hasta ahora.
El sistema consiguió una puntuación de precisión FROC del 89{85db668b0f501e45db51c03e911509520c47fa73ba3d2725b4a2b675de9388a7}, superior al 73{85db668b0f501e45db51c03e911509520c47fa73ba3d2725b4a2b675de9388a7} que un patólogo con tiempo ilimitado puede conseguir. No obstante, la compañÃÂa explica que el sistema no es 100{85db668b0f501e45db51c03e911509520c47fa73ba3d2725b4a2b675de9388a7} fiable y se requieren más variables para diagnosticar cáncer, además de que el apoyo y conocimiento de los patólogos expertos será indispensable.
