Big Data, Cloud Computing, Machine Learning
El uso de grandes cantidades de datos, o lo que se conoce de manera genérica como Big Data, y su análisis estadístico con finalidad predictiva (Machine Learning) han experimentado un enorme auge en los últimos años gracias al aumento de la potencia de los ordenadores y el auge de las aplicaciones alojadas en la nube.
El uso de estas nuevas tecnologías permite analizar y extraer información de grandes bases de datos y darles valor.
En el pasado, la mayoría de los datos simplemente se dejaban olvidados en ficheros o se utilizaban con meros fines informativos, pero en la actualidad el uso del dato ha tomado una nueva dimensión.
La información se utiliza, por ejemplo, para entrenar modelos con fines predictivos o averiguar tendencias.
En definitiva, estamos en una época en la que la frase “la información es poder” cobra más sentido que nunca, y la tendencia en un futuro próximo es el aumento exponencial del uso de estas tecnologías en diversos sectores.
Una de las aplicaciones más interesantes para mejorar la calidad de vida de las personas se encuentra en el campo de la medicina personalizada.
“El auge de la bioestadística, la bioinformática y la inteligencia artificial está permitiendo un mejor diagnóstico clínico y la aplicación de terapias individualizadas y personalizadas a cada paciente” nos cuenta Sandra Acebes, experta en Big Data en Stratesys.
Medicina personalizada y mejora del Diagnóstico médico gracias a Machine Learning
Existen infinidad de ejemplos en los que el uso de Big Data, Machine Learning y el Cloud Computing se están aplicando hoy en día en el ámbito médico para la prevención precoz y el tratamiento de enfermedades.
Dentro de estas tecnologías, se incluyen el Procesamiento Natural del lenguaje (PNL), el reconocimiento de imágenes o el uso del IoT (Internet of things o internet de las cosas).
Reconocimiento de imágenes
El análisis visual de mamografías es el principal método para la detección del cáncer de mama, pero el diagnóstico o detección requiere de un alto grado de precisión visual y en ocasiones es complicado a pesar de la experiencia y profesionalidad del radiólogo.
En estos casos, la inteligencia artificial es ideal para analizar mucha información en poco tiempo, y permite comparar la imagen que queremos analizar con millones de casos previamente almacenados y analizados para dar un diagnóstico fiable.
Para ello, se utilizan técnicas de machine learning de clasificación o clustering.
Primero, se entrenan los algoritmos con datos clínicos (previamente almacenados) donde se enseña o se entrena al algoritmo a diferenciar tumores benignos de malignos. Una vez construido y testeado, el algoritmo se puede utilizar para clasificar imágenes reales de las que no tenemos la respuesta.
En definitiva, el machine learning como apoyo al diagnóstico por imagen permite una diagnosis precoz más fiable y facilita y libera parte de carga de trabajo a los médicos, que no tienen que dedicarle tanto tiempo al análisis visual.
Procesamiento del lenguaje natural
Aunque se dice que una imagen vale más que mil palabras, con tecnologías Big Data el análisis del lenguaje toma una nueva dimensión. Por ejemplo, el análisis de grandes cantidades de texto escrito presente en los historiales clínicos se está utilizando en la actualidad para el diagnóstico de enfermedades. Con lo que se consigue un tratamiento más personalizado y eficaz de los pacientes.
Este análisis inteligente del texto se lleva a cabo utilizando PLN (Procesamiento del lenguaje natural). El PLN es una tecnología perteneciente al campo del Machine Learning que consiste en procesar y extraer valor de los textos, obteniendo de manera inteligente las palabras clave que lo componen.
Dentro de un historial clínico, los algoritmos deben ser capaces de seleccionar datos clave, entender expresiones complejas o diferenciar el sentido positivo/negativo de las frases. Por ejemplo, se debe diferenciar entre “no hay dolor de cabeza” de “dolor de cabeza”.
Al mismo tiempo, los algoritmos que extraen esta información deben obviar todos los datos personales del historial para garantizar la protección de datos del paciente. Así, mediante el análisis de millones de historiales clínicos, es posible ver tendencias o relacionar enfermedades con síntomas que antes pasaban simplemente inadvertidas.
Otras aplicaciones
Además del análisis de imágenes o texto, las tecnologías de Machine Learning y Big Data tienen muchísimas más aplicaciones en el campo de la salud, incluyendo el análisis de genomas, o el desarrollo de nuevos fármacos y vacunas. Por citar otro ejemplo más, estas tecnologías se están utilizando, junto con dispositivos IoT (Internet of Things, es decir, terminales conectados a una red) para predecir la aparición de un infarto, mediante la monitorización y análisis en tiempo real de datos que recoge un brazalete en el paciente.
En definitiva, el uso de Big Data e inteligencia artificial están mejorando la calidad de vida de las personas gracias a su aplicación en el ámbito de la digitalización de la salud.
“En Stratesys somos conscientes del potencial del uso de nuevas tecnologías digitales para el almacenamiento y procesado de gran cantidad de datos, como Big Data, Machine Learning y aplicaciones en Cloud, y por eso ofrecemos a nuestros clientes nuestra experiencia, compromiso y las últimas tecnologías de digitalización en diferentes sectores, incluyendo el farmacéutico y de la salud” concluye la experta en Big Data.
Contáctanos y conoce cómo podemos ayudarte.
Deja un comentario