Gracias por A2A.
Hasta donde sé, los algoritmos de aprendizaje automático se utilizan en el entorno clínico como una herramienta de diagnóstico inicial. Es solo un predictor de casos, dependiendo de casos pasados vistos que fueron similares. También como se dijo en la respuesta anterior, el aprendizaje automático en imágenes médicas está restringido debido a la disponibilidad de datos.
Dependiendo del órgano que esté mirando, tendrá datos muy limitados o nulos. Por ejemplo, las imágenes para detectar tumores en el cerebro o las imágenes para detectar cáncer de seno están disponibles en abundancia, como se ha investigado desde hace mucho tiempo y, finalmente, se ha acumulado un gran conjunto de datos. Sin embargo, si está mirando imágenes de, por ejemplo, el páncreas para determinar defectos en él, las imágenes están limitadas a instituciones específicas y la distribución de estos conjuntos de datos es un proceso tedioso si no imposible. Como el aprendizaje automático depende mucho de una gran colección de datos, la propagación del aprendizaje automático a un nivel clínico es lenta o ausente en algunas áreas.
- ¿Cuál es el algoritmo de aprendizaje automático más útil para Google?
- Cómo argumentar la corrección del tipo radix
- Dado un gráfico bipartito, ¿cómo puedo encontrar su subgrafo que es un gráfico bipartito completo y tiene la mayor cantidad de vértices?
- ¿Cómo debo hacer uso de sitios como HackerEarth y GeeksforGeeks si tengo habilidades de algoritmos por debajo del promedio?
- Dada una serie de dígitos, ¿cómo los clasifica con la complejidad temporal o (n)?
Una razón más aparte del problema de las redes neuronales de la “caja negra” citado por otra respuesta es que las imágenes médicas son impredecibles a veces. es decir: cada paciente tiene una forma y tamaño diferentes de su órgano. Y dependiendo de las condiciones de imagen, la imagen no necesita coincidir en dimensiones u orientaciones con las imágenes en el conjunto de datos ya presente. Esto requiere una gran cantidad de preprocesamiento en cada imagen antes de que se pueda alimentar a un algoritmo de aprendizaje automático. Este tipo de procesos son adecuados para un entorno académico en lugar de un entorno clínico, ya que la mayoría del personal que utilizará estos softwares de aprendizaje automático tendrá poco o ningún conocimiento de lo que está sucediendo con las imágenes.
¿Veremos el aprendizaje automático en el futuro a medida que obtengamos más y más datos? Tal vez. Pero el veredicto final sobre un caso aún estará en manos de un médico calificado o espero que siempre lo haga.