IA para detectar osteoporosis
Investigadores de la Universidad de Tulane (EU) desarrollan un nuevo algoritmo de aprendizaje profundo que superó a los métodos de predicción del riesgo de osteoporosis basados en computadora existentes
estudio
Al probar los algoritmos utilizando una muestra grande de datos de salud del mundo real, los investigadores identificaron los 10 factores más importantes para predecir el riesgo de osteoporosis
La osteoporosis es tan difícil de detectar en una etapa temprana que se la llama la "enfermedad silenciosa". ¿Qué pasaría si la inteligencia artificial pudiera ayudar a predecir las posibilidades de que un paciente padezca la enfermedad de pérdida ósea antes de acudir al consultorio del médico?
Investigadores de la Universidad de Tulane (EU) han avanzado hacia esa visión al desarrollar un nuevo algoritmo de aprendizaje profundo que superó a los métodos de predicción del riesgo de osteoporosis basados en computadora existentes, lo que podría conducir a diagnósticos más tempranos y mejores resultados para los pacientes con riesgo de osteoporosis.
Sus resultados se publicaron recientemente en “Frontiers in Artificial Intelligence”.
Un nuevo modelo de neuronas reales podría mejorar la inteligencia artificial
Los modelos de aprendizaje profundo han ganado notoriedad por su capacidad para imitar redes neuronales humanas y encontrar tendencias dentro de grandes conjuntos de datos sin estar programados específicamente para hacerlo. Los investigadores probaron el modelo de red neuronal profunda (DNN) frente a cuatro algoritmos de aprendizaje automático convencionales y un modelo de regresión tradicional, utilizando datos de más de 8.000 participantes de 40 años o más en el Estudio de Osteoporosis de Luisiana. El DNN logró el mejor rendimiento predictivo general, medido puntuando la capacidad de cada modelo para identificar verdaderos aspectos positivos y evitar errores.
"Cuanto antes se detecte el riesgo de osteoporosis, más tiempo tendrá el paciente para tomar medidas preventivas", dijo el autor principal Chuan Qiu, profesor asistente de investigación en el Centro de Informática Biomédica y Genómica de la Facultad de Medicina de Tulane. "Nos complació ver que nuestro modelo DNN superaba a otros modelos en la predicción precisa del riesgo de osteoporosis en una población que envejece".
Los investigadores probaron el modelo de red neuronal profunda (DNN).
Al probar los algoritmos utilizando una muestra grande de datos de salud del mundo real, los investigadores también pudieron identificar los 10 factores más importantes para predecir el riesgo de osteoporosis: peso, edad, sexo, fuerza de agarre, altura, consumo de cerveza, presión diastólica, consumo de alcohol, años de tabaquismo y nivel de ingresos.
En particular, el modelo DNN simplificado que utiliza estos 10 factores de riesgo principales funcionó casi tan bien como el modelo completo que incluía todos los factores de riesgo.
Lee tambiénCálculos renales y osteoporosis pueden ser causados por proteína en polvo: UNAM
Si bien Qiu admitió que queda mucho más trabajo por hacer antes de que el público pueda utilizar una plataforma de inteligencia artificial para predecir el riesgo de osteoporosis de un individuo, dijo que identificar los beneficios del modelo de aprendizaje profundo era un paso en esa dirección.
"Nuestro objetivo final es permitir que las personas ingresen su información y reciban puntuaciones de riesgo de osteoporosis altamente precisas para permitirles buscar tratamiento para fortalecer sus huesos y reducir cualquier daño adicional", dijo Qiu.