Descubriendo el futuro: Una red neuronal que supera a los doctores 🏥✨

¡Feliz viernes, visionario del Machine Learning!

Hoy es ese día de la semana en el que nos reunimos virtualmente para echarle un ojo al futuro de la tecnología, y sin agobiarnos. Agarra tu taza de café, o colacao (igual eres más de Nesquik 😉), y prepárate para la historia de cómo una red neuronal se convierte en el héroe inesperado en la lucha contra uno de los villanos más sigilosos de la medicina: el cáncer de páncreas.

Un Héroe Digital en el panoráma de la actualidad🚨

Imagínate si en el ajedrez tuvieras la habilidad de predecir cada movimiento de tu contrincante con semanas de antelación. Eso sería toda una hazaña, ¿verdad? Bueno, eso es prácticamente lo que unos investigadores del MIT junto a algunos oncólogos del Medical Center de Boston han conseguido en el campo de la medicina. Su modelo de red neuronal ha eclipsado a los médicos y sus criterios de evaluación de riesgos, detectando indicios tempranos de cáncer de páncreas de una manera más efectiva que los métodos genéticos que se venían utilizando. Tan impactante como un bucle temporal a lo ‘El día de la marmota’.

Modelando un Futuro esperanzador 🤖

La red neuronal en cuestión, a la que han bautizado como PrismNN (tan simple como un helado de vainilla, pero tan revolucionaria como la imprenta), ha sido entrenada para predecir el riesgo de un diagnóstico de adenocarcinoma ductal de páncreas - la forma más común de cáncer de páncreas - a 6 y 18 meses vista. Tal como un sabueso buscando pistas, PrismNN hurgó en registros médicos para identificar pacientes de alto riesgo, marcando un impresionante 35.9% de acierto con una tasa de falsos positivos del 4.7%. Y aquí entre nosotros, eso hace que la percepción de “inteligencia” que tenemos de algunos tests genéticos actuales se compare con la de una ameba. (Coméntame vía email si te interesa que en un futuro email hablaremos de los conceptos de recall y precision))

Datos, Datos, y Más Datos 📊

¿Cómo hicieron estos modernos alquimistas del dato para convertir números y variables en una herramienta de predicción tan poderosa? Pues bien, se armaron con un dataset de unos 26,250 pacientes que habían desarrollado PDAC y 1.25 millones de controles de una base de datos anónima proporcionada por TriNetX. Armados con 87 características - desde la edad hasta el historial de medicaciones - entrenaron a PrismNN en este laberinto de datos hasta que el modelo pudo prever con gran precisión la aparición futura de la enfermedad.

Impacto del ML y Reflexiones 😌

Si te has preguntado “¿y qué?” déjame decirte esto: por cada historia de éxito (o fallo) de nuestras máquinas (como humanos), hay un potencial cambio en nuestra forma de vida. El cáncer de páncreas es un asesino silencioso que permite sólo un 11% de supervivencia a 5 años, y usualmente se diagnostica demasiado tarde. Modelos como PrismNN son nuestra mejor posibilidad para una detección temprana y un aumento significativo en las tasas de supervivencia. No es sólo inteligencia artificial; es esperanza artificialmente inteligente.

El Siguiente Paso 🔬

Por supuesto, esto no es el final del camino. Antes de que se puedan aplicar de manera más general, se han de poder replicar estos resultados con pacientes no diagnosticados, y quizás ejecutar un ensayo clínico controlado aleatorio, porque en la ciencia, como en la buena cocina, la receta sólo es perfecta después de probarla varias veces.

Y así, una vez más, me despido de nuestro encuentro semanal, pero como siempre sin agobiarnos ante la magnitud de lo que queda por hacer, Raúl Jáuregui de Mindfulml.vialabsdigital.com 🧬💡🚀

PD: ¿Crees que este tipo de avances tendrán un impacto en cómo vemos el Machine Learning en la salud? ¿Estaremos todos destinados a convertirnos en cyborgs con inteligencia artificial? Escríbeme. ¡Me gusta mucho leer tus comentarios al respecto!