Una de las aplicaciones de la Inteligencia Artificial es en el campo de la medicina,el ejemplo más común lo encontramos en Scikit-Learn, en sus datasets de prueba contiene el Wisconsin Breast Cancer dataset, con el cual puedes practicar tus algoritmos de clasificación  y detectar tumores ‘Benignos o Malignos’ con información real.

Pero no termina ahí, apenas en el 2019 se lanzó un artículo en Digital Medicine con el nombre: “Artificial Intelligence for precision medicine in neurodevelopmental disorders” , elaborado en conjunto por Mohammed Bin Rashid, Yujiang Wang y Marc Woodbury-Smith. En este artículo se explica la importancia de la aplicación de algoritmos de inteligencia artificial a través del high performance computing (HPC) como los datasets biológicos multidimensionales para diseñar rutas más certeras en el diagnóstico de desórdenes como el autismo (ASD, autism spectrum disorder), epilepsia, discapacidad intelectual (ID, intellectual disability) y otros trastornos (NDD neurodevelopmental disorders).

<<The ambition of precision medicine is to design and optimize the pathway for diagnosis, therapeutic intervention, and prognosis by using large multidimensional biological datasets that capture individual variability in genes, function and environment. >>
npj Digital Medicine (2019)2:112; https://doi.org/10.1038/s41746-019-0191-0

La inteligencia artificial aplica estrategias de aprendizaje  basadas en la clasificación o reconocimiento de patrones. Los métodos incluyen support vector, random forest , redes neuronales y  el algoritmo evolutivo (EA) por sus siglas en inglés. El algoritmo de  Deep Learning puede diagnosticar un ataque cardíaco utilizando 549 registros de ECG (Electrocardiograma)  con una sensibilidad del 93% y una especificidad del 89,9%, superando a los cardiólogos, otro ejemplo de la efectividad de utilizar I.A.

En el estudio se puede observar que en cuanto al autismo (ASD) la relación es de 4:1 entre hombres y mujeres, en epilepsia 1:1 y en la discapacidad intelectual 2:1, siendo los más afectados los hombres. El riesgo de predicción en algunos casos  es demasiado complejo como en la mutaciones individuales, pues aún se requieren un número enorme de muestras para que el algoritmo pueda ser entrenado y también debe ser tomado en cuenta el efecto modificador del medio ambiente, este puede explicar la discordancia de la enfermedad en gemelos monocigotos y la observación de diferentes factores de riesgo genético en los hermanos.

Componentes del algoritmo evolutivo.

Table 1. Major neurodevelopmental disorders, prevalence, genetic inheritance, sex ratio, and genetic diagnostic yield.

La Inteligencia Artificial está creciendo y con ella surgen nuevas técnicas y áreas, cada una de ellas puede aportar en el camino de mejorar la calidad de vida del ser humano. El NLP Natural Language Processing puede encontrar aquí una oportunidad de transformar la estructura de la información de los casos clínicos, analizar registros de salud y notas psiquiátricas para identificar relaciones entre fenotipos de  pacientes y sus marcadores genéticos. 

El cambio es parte de un proceso de adaptación y la I.A. nos está ayudando en el camino para mejorar la calidad de vida de las personas, en futuro no muy lejano crecerán nuevas áreas y estrategias para combatir enfermedades y trastornos y al  mismo tiempo nacerán enfermedades aún más extrañas, la complejidad de resolver estos obstáculos dependerá ahora del trabajo en equipo entre el humano como orquestador , el procesamiento de datos distribuido y la Inteligencia Artificial.

Uddin, M., Wang, Y., & Woodbury-Smith,M. (2019). Artificial intelligence for precision medicine in neurodevelpmental disorders. Marzo 2020, de Nature Sitio web: https_www.nature.com/?url=https%3A%2F%2Fwww.nature.com%2Farticles%2Fs41746-019-0191-0

Escrito por Irving Ariel Escamilla Jacobo.