Pues eso parece. Se ha hablado mucho sobre el potencial de la Inteligencia Artificial aplicada a la medicina, y que en algunos casos, puede alcanzar un nivel de precisión que supera el rendimiento de estos profesionales.

Investigadores de la Universidad de Stanford han publicado un estudio sobre CheXNet, una red neuronal convolucional con la capacidad de detectar síntomas de neumonía. Para ello, utiliza el método tradicional, la lectura de radiografías de tórax.

A partir de la digitalización de la imagen radiográfica, interpreta y calcula el nivel de probabilidad de que el paciente tenga una neumonía, creando un mapa de calor (como se ve en la imagen de arriba) indicando las áreas que llevan a esa interpretación.

Para que este sistema experto funcionara, entrenaron a CheXNet con la extensa base de datos del NIH (National Institutes of Health), 112,120 radiografías de tórax tomadas a más de 30.000 pacientes, que incluían 14 patologías diferentes.

A partir de ahí, realizaron diferentes métodos y pruebas para centrarse en la detección de la neumonía. Según los datos que han compartido en el estudio, el grado de precisión en la detección de neumonía basados en la imagen radiológica, puede igualar o hasta superar (sensibilidad y especificidad) al de los radiólogos.

Y esto, parece solo el principio de lo que en un futuro CheXNet podrá hacer.

Leer estudio: CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning 

Por el Dr. Manuel Linares Rufo