Investigadores de Stanford han desarrollado un algoritmo que ofrece diagnósticos basados en la revisión de imágenes de rayos X del tórax. Puede diagnosticar hasta 14 condiciones médicas y es capaz de diagnosticar neumonía mejor que los expertos radiólogos humanos.
En un artículo sobre el algoritmo bautizado como CheXNet, publicado el 14 de noviembre en el sitio arXiv, se indica que “interpretar las imágenes de rayos X para diagnosticar patologías como la neumonía es algo muy difícil y ahora además, sabemos que hay una gran variabilidad entre los propios radiólogos”, dice Pranav Rajpurkar, un estudiante graduado del Grupo de Aprendizaje de Máquinas de Stanford y co-autor del artículo. “Nos interesamos en desarrollar algoritmos de aprendizaje que pudiesen aprender de los cientos de miles de diagnósticos de rayos X y hacer que dichos diagnósticos fuesen precisos”.
El trabajo usa datos públicos liberados inicialmente por los Institutos Nacionales de los Centros de Salud Clínica. Estos datos contienen 112,120 vistas frontales de imágenes de rayos X de tórax en donde se han etiquetado 14 posibles patologías. Se generó un algoritmo que podía diagnosticar algunas de las patologías con cierto éxito, diseñado para promover que otros trabajaran en ese trabajo. Cuando se tuvo este material, el grupo de aprendizaje de máquinas, liderado por Andrew Ng, se entendió que se tenía un nuevo proyecto en el cual trabajar.
Los investigadores trabajaron con Matthew Lungren, médico y profesor de radiología en la Escuela de medicina, en donde con cuatro radiólogos de Stanford, de manera independiente, anotaron 420 imágenes en donde …