Esta noticia ha aparecido en el Informativo de Reason Why:
Las aplicaciones de deep learning a disciplinas médicas como la oftalmología, dermatología o radiología han demostrado recientemente ser una gran promesa para aumentar tanto la precisión como la disponibilidad de la atención médica de alta calidad para pacientes de todo el mundo.
En Google han publicado resultados que demuestran que una red neuronal convolucional puede detectar metástasis de cáncer de mama en los ganglios linfáticos con un nivel de precisión comparable al de un patólogo entrenado. Sin embargo, debido a que la visualización directa del tejido con un microscopio óptico compuesto sigue siendo el medio predominante por el patólogo para diagnosticar enfermedades, una barrera crítica para la adopción generalizada del deep learning en patología es la dependencia de tener una representación digital del tejido microscópico.
"Un microscopio de realidad aumentada para la detección automatizada del cáncer" es el proyecto con el que Google podría ayudar a acelerar y democratizar la adopción de herramientas de deep learning para patólogos de todo el mundo. Consiste en un microscopio de luz modificado que permite el análisis de imágenes en tiempo real y la presentación de los resultados de los algoritmos de aprendizaje automático directamente en el campo de visión. Además, se puede adaptar a los microscopios ópticos existentes que se encuentran en hospitales y clínicas de todo el mundo.
Este sistema que proponen desde Google es capaz de ejecutar muchos tipos de algoritmos de aprendizaje automático dirigidos a resolver diferentes problemas tales como detección de objetos, cuantificación o clasificación; así como metástasis de cáncer de mama en muestras de ganglios linfáticos y cáncer de próstata en muestras de prostatectomía.
“El microscopio de realidad aumentada tiene un gran impacto potencial en la salud global, particularmente para el diagnóstico de enfermedades infecciosas, como la tuberculosis y la malaria, en los países en desarrollo. Además podría usarse en combinación con el flujo de trabajo digital donde los escáneres aún enfrentan grandes desafíos”, aseguran desde Google. “Estamos entusiasmados de seguir explorando cómo puede ayudar a acelerar la adopción del aprendizaje automático para un impacto positivo en todo el mundo”.
