VIDEO
HIGHLIGHT
Log InSign up
How AI is making it easier to diagnose disease | Pratik Shah
SummaryTranscriptChat

How AI is making it easier to diagnose disease | Pratik Shah

Introducción a la Inteligencia Artificial en el diagnóstico médico

Resumen de la sección: En esta sección, se introduce el concepto de inteligencia artificial (IA) y su potencial impacto en el diagnóstico médico. Se mencionan los desafíos actuales en la detección y diagnóstico de enfermedades terminales como el cáncer, especialmente en países en desarrollo. Se plantea la pregunta sobre cómo la IA puede ayudar en este contexto.

Detección y diagnóstico de enfermedades terminales

  • Los métodos actuales para detectar enfermedades terminales como el cáncer involucran tecnologías costosas y especialistas médicos.
  • El proceso requiere escaneos con equipos caros como imágenes por fluorescencia, TAC o RM.
  • La falta de recursos y acceso a estos equipos dificulta el diagnóstico temprano, especialmente en países en desarrollo.

Retos de la IA tradicional

  • Los enfoques tradicionales de IA también requieren una gran cantidad de datos, especialistas y equipos profesionales.
  • Para entrenar algoritmos tradicionales, se necesitarían miles de imágenes médicas costosas.
  • Esto no es práctico ni escalable para resolver los problemas actuales.

Nuevas arquitecturas de IA

  • El grupo del MIT Media Labs ha desarrollado arquitecturas no convencionales para abordar los desafíos del diagnóstico médico.
  • Se propone reducir tanto la cantidad de imágenes necesarias para entrenar a los algoritmos como el uso de costosos equipos tecnológicos.

Reducción del número de imágenes necesarias

  • En lugar de comenzar con decenas de miles de imágenes costosas, se utiliza una sola imagen médica.
  • Se extraen miles de millones de paquetes de información a partir de esta imagen, incluyendo colores, píxeles y geometría.
  • Esto reduce significativamente la cantidad de datos necesarios para el entrenamiento.

Reducción del uso de equipos costosos

  • En lugar de utilizar costosos escáneres médicos, se comienza con una fotografía estándar tomada con una cámara DSLR o un teléfono del paciente.
  • Los paquetes de información extraídos previamente se superponen en esta imagen, creando una imagen compuesta.
  • Solo se necesitan 50 imágenes compuestas para entrenar los algoritmos eficientemente.

Conclusiones

  • Las nuevas arquitecturas de IA propuestas permiten reducir tanto la cantidad de imágenes necesarias como el uso de equipos costosos en el diagnóstico médico.
Channel: TED
Video description

Today's AI algorithms require tens of thousands of expensive medical images to detect a patient's disease. What if we could drastically reduce the amount of data needed to train an AI, making diagnoses low-cost and more effective? TED Fellow Pratik Shah is working on a clever system to do just that. Using an unorthodox AI approach, Shah has developed a technology that requires as few as 50 images to develop a working algorithm -- and can even use photos taken on doctors' cell phones to provide a diagnosis. Learn more about how this new way to analyze medical information could lead to earlier detection of life-threatening illnesses and bring AI-assisted diagnosis to more health care settings worldwide. Check out more TED Talks: http://www.ted.com The TED Talks channel features the best talks and performances from the TED Conference, where the world's leading thinkers and doers give the talk of their lives in 18 minutes (or less). Look for talks on Technology, Entertainment and Design -- plus science, business, global issues, the arts and more. Follow TED on Twitter: http://www.twitter.com/TEDTalks Like TED on Facebook: https://www.facebook.com/TED Subscribe to our channel: https://www.youtube.com/TED