Los monitores de salud portátiles, los sensores ubicuos y la
capacidad de recopilar y almacenar grandes cantidades de datos están creando
desafíos para los investigadores que esperan utilizar la inteligencia
artificial para identificar enfermedades. Si bien los datos recopilados pueden
contener respuestas clínicas importantes, encontrar esas respuestas significa
que los datos deben clasificarse y etiquetarse.
Investigadores del MIT han desarrollado un sistema que puede
identificar de manera autónoma los signos de una enfermedad a partir de los
datos recopilados de un grupo relativamente pequeño de personas y sin ningún
tipo de capacitación inicial.
La investigación, presentada recientemente en la conferencia
Machine Learning for Healthcare en Ann Arbor, Michigan, se centró en aprender
los biomarcadores de audio de los trastornos de las cuerdas vocales. Utilizando
datos recopilados durante una semana desde un acelerómetro conectado a los
cuellos de 100 personas, el sistema identificó automáticamente qué
características de sonido eran importantes para identificar si un paciente
tiene nódulos de cuerdas vocales.
"Cada vez es más fácil recopilar conjuntos de datos de
series temporales largas. Pero hay médicos que necesitan aplicar sus
conocimientos para etiquetar el conjunto de datos”, dijo el autor principal,
José Javier González Ortiz, estudiante de doctorado en el MIT. "Queremos
eliminar esa parte manual para los expertos y descargar toda la ingeniería de
características en un modelo de aprendizaje automático".
Si bien el sistema se utilizó para una tarea específica
relacionada con el sonido, puede ser entrenado para analizar datos de otras
enfermedades. El estudio actual puede ayudar a crear herramientas que eviten
los nódulos vocales y ayudar a estudiar la aparición de esta afección.
