La emulación en tres dimensiones lleva varios años entregado soluciones a la humanidad. En efecto, los primeros prototipos de impresoras 3D, aunque muy básicas, datan de la década de los ochenta y construían modelos capa por capa, de forma muy similar a como funcionan en la actualidad.
En el campo de la medicina, el gran salto se dio en la primera década de los 2000, en donde científicos de distintas organizaciones fueron capaces de lograr hitos como la impresión de un riñón funcional en miniatura, de piernas prostéticas complejas e incluso de vasos sanguíneos a partir de células humanas.
Sin embargo, los últimos años el protagonismo del 3D en medicina se ha centrado en la inteligencia artificial, cuyas aplicaciones han permitido interpretar imágenes microscópicas entendidas como 2D en la forma de complejos modelos 3D, casi idénticos a la realidad. ¿Cómo es esto posible?
¿En qué consiste inteligencia artificial?
Aunque en principio se dice que nació con las primeras computadoras creadas por el inglés Alan Turing, las primeras aplicaciones de la inteligencia artificial como una disciplina consagrada vieron la luz en los noventa, hito marcado por la victoria del Deep Blue de IBM sobre el entonces campeón del mundo de ajedrez, Gari Kaspárov.
En esencia, la inteligencia artificial es la habilidad de las máquinas para aprender a partir de la experiencia, adaptarse a nuevas entradas de información y, en consecuencia, resolver problemas tal como lo haría un ser humano.
Con el tiempo, se fueron incorporando distintas disciplinas dentro de la inteligencia artificial, emergiendo algunos conceptos claves tales como clustering (agrupamiento), machine learning (aprendizaje automático) y deep learning (aprendizaje profundo). Este último término es fundamental para entender las aplicaciones de la inteligencia artificial en medicina.
Inteligencia artificial en la medicina: aprendizaje profundo
El aprendizaje profundo, también conocido como redes neuronales profundas, es una rama de la inteligencia artificial cuyo propósito es el de encontrar maneras de emular la obtención del aprendizaje humano en ciertas áreas del conocimiento.
El día 4 de noviembre de 2019, la revista Nature Methods publicó un artículo en el que un grupo de científicos demostraba haber corregido errores y aberraciones en imágenes médicas haciendo uso del deep learning, mostrando una imagen 3D “arreglada” cuando las muestras eran difíciles de leer.
En concreto, el sistema que implementaron, al cual llamaron Deep-Z y que emplea inteligencia artificial, tomó imágenes 2D a partir de lo que captaba un microscopio y fue capaz de convertirlas en modelos 3D como si hubiesen sido obtenidos a partir de microscopios de última tecnología.
Aydogan Ozcan, profesor de ingeniería eléctrica y computacional de la UCLA, además de director asociado del California NanoSystems Institute en la misma universidad, señaló que “este es un poderoso nuevo método potenciado por el aprendizaje profundo capaz de realizar imágenes 3D de especímenes en vivo, con un mínimo de exposición de luz, la cual puede ser tóxica para las imágenes“.
Yichen Wu, coautor de la publicación, agregó que “con esta técnica, puedes ver a través de curvaturas y otras topologías complejas que resultan muy difíciles de observar a través de imágenes simples“.
Este método promete tremendas aplicaciones en el futuro, pues ofrece a médicos, biólogos e investigadores una nueva herramienta que entrega modelos 3D que son más simples, rápidos y muchos menos costosos de obtener que las técnicas que se utilizan actualmente para corregir aberraciones en muestras médicas 2D, tanto impresas como las obtenidas en vivo con microscopios.
¿Medicina, inteligencia artificial e impresiones 3D?
En resumen, las impresoras 3D logran construir objetos físicos en tres dimensiones a partir de modelos 3D computacionales, tales como los que se ven en la mayoría de las películas animadas modernas.
Por eso, no dejó de sorprender cuando la compañía DeepMind, hoy perteneciente al grupo Google, fue capaz de renderizar objetos y escenarios 3D a partir de imágenes 2D, todo esto gracias a un algoritmo al que llamaron GQN o Generative Query Network (Red de Consulta Generativa en español).
En resumen, los computadores fueron capaces de “imaginar” escenas completas desde cualquier ángulo sin ayuda humana, tomando como base una simple fotografía en 2D que mostraba los elementos más importantes del entorno. Por ejemplo, es como si hubiesen podido reconstruir toda una habitación en 3D solo mirando una fotografía tomada desde la puerta de entrada.
Quizás en un futuro no muy lejano, métodos similares al Deep-Z o al GQN puedan emplearse para lograr aplicar la inteligencia artificial en la medicina de formas impensadas, imprimiendo tejidos humanos en tiempo real a partir de interpretaciones microscópicas o de muestras médicas incompletas o defectuosas, pudiendo salvar la vida de pacientes que requieran atenciones urgentes.
Es mucho lo que se puede especular, pero algo está claro: también es mucho lo que queda por descubrir.
The post Así se aplica la inteligencia artificial en la medicina appeared first on Think Big.