Un modelo de inteligencia artificial (IA) fue entrenado con m\u00e1s de 40 millones de im\u00e1genes faciales para poder estimar dos cosas: la edad de una persona y la probabilidad de sobrevivencia que tiene una persona con c\u00e1ncer. En ambas tareas, la IA tiene un muy buen desempe\u00f1o, y al combinarlas mejora aun m\u00e1s la certeza de sus predicciones.<\/p>\n
“En la facultad de medicina nos ense\u00f1an a entrar en una habitaci\u00f3n, observar al paciente y realizar una valoraci\u00f3n: formarnos una impresi\u00f3n de cu\u00e1n sano, fr\u00e1gil o enfermo est\u00e1”, le dijo a la revista Scientific American Raymond Mak, onc\u00f3logo radioter\u00e1pico en el Mass General Brigham Cancer Institute y uno de los autores del estudio que se public\u00f3 este lunes en Lancet Digital Health.<\/p>\n
Sin embargo, esta estimaci\u00f3n \u2014que puede ayudar a determinar qu\u00e9 tratamiento recibe el paciente entre cirug\u00eda, quimioterapia o radioterapia si se trata de c\u00e1ncer\u2014 “se trata, en realidad, de una valoraci\u00f3n subjetiva”, explic\u00f3 Mak.<\/p>\n
As\u00ed que, en el programa de Inteligencia Artificial en Medicina (AIM) del hospital Mass General Brigham, “nuestro objetivo es lograr que la evaluaci\u00f3n de la salud basada en fotograf\u00edas faciales sea m\u00e1s cuantitativa, coherente y escalable”, explica el investigador en un comunicado del propio hospital.<\/p>\n
Mak aclara que los modelos de IA entrenados son para servir de apoyo “para la toma de decisiones sobre tratamientos personalizados, sin pretender sustituir el criterio m\u00e9dico”.
\nInteligencia artificial y reconocimiento en salud<\/p>\n
El modelo recibe el nombre de FAHR-Face (por la sigla en ingl\u00e9s Fundamentos de IA para el Reconocimiento en Salud y la palabra “cara”), y a partir de \u00e9l crearon dos herramientas complementarias:<\/p>\n
FAHR-FaceAge, que estima la edad biol\u00f3gica de un paciente con mayor precisi\u00f3n que los algoritmos anteriores, y FAHR-FaceSurvival, que predice directamente los resultados de sobrevivencia en pacientes con c\u00e1ncer a partir de una fotograf\u00eda facial.<\/p>\n
“Es la primera vez que se demuestra que un modelo de inteligencia artificial puede predecir la sobrevivencia al c\u00e1ncer directamente a partir de una simple fotograf\u00eda”, dice Hugo Aerts, director de AIM en el comunicado. <\/p>\n
Aunque las dos herramientas provienen del mismo modelo base, captan informaci\u00f3n distinta y complementaria sobre el paciente: FAHR-FaceAge se centra en los pliegues nasolabiales, la zona de la frente situada justo encima de las \u00f3rbitas oculares y las sienes; por su parte, FAHR-FaceSurvival eval\u00faa la regi\u00f3n bajo los ojos y el \u00e1rea que rodea el puente nasal.
\nEp\u00edlogo de estilo de vida<\/p>\n
A partir de los datos, el equipo de investigaci\u00f3n tambi\u00e9n descubri\u00f3 que ciertos factores del estilo de vida influyen en el envejecimiento facial. Por ejemplo, el consumo excesivo de alcohol, el uso de drogas y el tabaquismo se asociaron con una mayor edad biol\u00f3gica aparente.<\/p>\n
El tabaquismo mostr\u00f3 la correlaci\u00f3n m\u00e1s marcada: los fumadores actuales aparentan m\u00e1s edad que los exfumadores, y estos, a su vez, parecen mayores que las personas que nunca han fumado.<\/p>\n
“Otro hallazgo sorprendente fue la gran consistencia de FAHR-FaceAge ante las variaciones habituales en las fotograf\u00edas, como la postura, la iluminaci\u00f3n, la expresi\u00f3n facial o el maquillaje”, destaca Mak en el comunicado.
\nLa imagen izquierda muestra en amarillo los rasgos m\u00e1s relevantes para las predicciones de supervivencia al c\u00e1ncer; la de la derecha, los relevantes para estimarla edad. Cr\u00e9dito: Mass General Brigham\/Lancet Digital Health<\/p>\n
“Asimismo, el modelo se mostr\u00f3 estable frente a la mayor\u00eda de los procedimientos de cirug\u00eda est\u00e9tica analizados; solo se observ\u00f3 una ligera variaci\u00f3n tras una rinoplastia”. <\/p>\n","protected":false},"excerpt":{"rendered":"
Un modelo de inteligencia artificial (IA) fue entrenado con m\u00e1s de 40 millones de im\u00e1genes faciales para poder estimar dos…<\/p>\n","protected":false},"author":1,"featured_media":280349,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-280347","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"yoast_head":"\n