¿Cómo se ha aplicado el aprendizaje automático a la asistencia sanitaria?

No tan bien como podría ser. En principio, los datos de salud podrían extraerse para encontrar patrones y correlaciones que podrían estar impulsando todo tipo de mejoras. Podría imaginar, por ejemplo, tratar de minimizar el costo sujeto a mantener los resultados iguales en todos los procedimientos; o encontrar complicaciones en los tratamientos que solo afectan a ciertas personas. Tales optimizaciones se están volviendo comunes en Gran Bretaña y Australia.

Por desgracia, los datos de salud son un desastre. A diferencia de nuestros vecinos de la comunidad (y gran parte de scandanavia), los datos de salud en los EE. UU. Están encerrados en silos incompatibles, lo que hace que sea muy costoso obtener los datos si es posible. Incluso empresas como Kaiser, con registros unificados, luchan por aprovechar el LD en una infraestructura de datos muy difícil de manejar.

Además de esto, los sistemas hospitalarios de EE. UU. Tienen un conflicto de intereses muy complicado. Con certeza, los grandes datos probablemente eliminarían la necesidad de muchos procedimientos. Esto es excelente para la mayoría de nosotros, pero un hospital típico puede perder hasta $ 10 millones de dólares por año o más. Este es un fuerte incentivo para mantener los datos en formatos anticuados que no se prestan a análisis (el papel sigue siendo común, sin ninguna razón real, y los datos que se digitalizan están enterrados en formatos propietarios que requieren una amplia capacitación, y no son menos sigue siendo casi imposible obtener datos de). Si este es el conductor real es especulación, pero sigue siendo cierto que los datos en los hospitales permanecen en Silo’s. Tenga en cuenta que no es un problema de privacidad: esto es tan cierto para los médicos en el hospital.

Entonces, más o menos. La gente lo está intentando, pero es prohibitivamente difícil, por todas las razones equivocadas.

Leer: Cinco de las mejores nuevas empresas de aprendizaje automático en este momento

El aprendizaje automático ha explotado en los últimos años y ahora es ampliamente considerado como una de las tecnologías disruptivas del momento. El año pasado, Gartner lo nombró una de las tendencias tecnológicas clave para observar, colocándolo en la cima de su Hype Cycle, prediciendo de dos a cinco años hasta la adopción general. Y muchos dirían que ya está allí, con numerosas nuevas empresas que aprovechan sus capacidades predictivas y de resolución de problemas, y muchas empresas más grandes interesadas en aprovechar sus tecnologías.

Combatir la muerte con la ciencia de datos La asistencia sanitaria es posiblemente una de las industrias más complejas, desafiantes y costosas que existen. Los proveedores y los profesionales están casi siempre a la zaga, manejando las enfermedades y las condiciones de salud de manera reactiva, a menudo sin toda la información que necesitan para brindar la atención más adecuada. Este es el problema que KenSci, con sede en Seattle, está resolviendo, utilizando el aprendizaje automático para predecir no solo quién se enfermará, sino también qué tan enfermos se enfermarán y ayudarán a coordinar su atención de manera más efectiva. Lo hace extrayendo datos de una variedad de fuentes, incluidos dispositivos de pacientes, registros médicos y públicos electrónicos para identificar patrones y predecir la salud futura. Ya se está utilizando en 11 sistemas de salud en los EE. UU. Para tratar enfermedades como el cáncer, la sepsis y los ataques cardíacos. El negocio también acaba de recaudar $ 8,5 millones en su ronda de inversión de la Serie A.

Machine Learning tiene un gran potencial y una flota completa de aplicaciones. Si bien algunas de las aplicaciones parecían bastante exageradas unos años antes, muchas cosas han cambiado en los últimos años. Ingenieros y científicos han logrado un gran éxito en la ampliación del alcance de la Inteligencia Artificial y el Aprendizaje Automático. Algunos gigantes tecnológicos líderes como Google, Microsoft, IBM y Amazon están teniendo un gran interés en Machine Learning y sus aplicaciones. Amazon Inc. ha lanzado recientemente su primera suite de desarrollo basada en inteligencia artificial que también ofrece algoritmos de aprendizaje automático a los desarrolladores para aprovechar al máximo los beneficios de la tecnología de inteligencia artificial. Además, la compañía ha estado utilizando técnicas de Machine Learning para optimizar y monitorear los procesos internos de su famosa plataforma de comercio electrónico durante varios años.

… para ver el artículo completo, visite: Aplicaciones médicas y sanitarias del aprendizaje automático

Gracias,
Tecnologías Oodles

Trabajo en el campo del procesamiento de imágenes médicas, donde el aprendizaje automático se utiliza habitualmente para desarrollar nuevos algoritmos de segmentación o detección.

El aprendizaje automático también tiene una serie de otras aplicaciones en el dominio de la salud. Por ejemplo, Kaggle ha organizado una gran competencia destinada a reducir la hospitalización innecesaria. El aprendizaje automático también se utiliza para mejorar la precisión diagnóstica y pronóstica.

En resumen, sí, se está aplicando con gran éxito. Y el campo todavía está en su infancia. Creo que aún quedan muchos más beneficios.

Este blog comparte algunas ideas novedosas de aprendizaje automático implementadas por nuevas empresas de atención médica. Estas nuevas empresas se centran en las áreas de diagnóstico, tratamiento y atención al paciente.

Startups de salud de aprendizaje automático que definitivamente debes conocer – Think Big Data

No solo se ha aplicado, sino que puede ahorrar millones de dólares si se aplica de manera eficiente. El análisis de datos topológicos (TDA) ha demostrado ser muy efectivo en la industria del cuidado de la salud. Estoy copiando algunos de los artículos a este respecto sobre cómo se puede aplicar TDA.

Uso de la topología para identificar subgrupos de asma grave

Hay $ 100 millones ocultos en esta imagen. El poder de los caminos.

La vista desde la medicina exponencial

El aprendizaje automático en el cuidado de la salud es un tema cada vez más popular hoy en día, pero muchas personas no tienen una gran comprensión de la idea, pero desean que así sea. Experfy tiene un curso realmente increíble llamado medicina clínica asistida por aprendizaje automático que es muy útil para comprender mejor el aprendizaje automático y sus aplicaciones en la industria de la salud. Además, es a su propio ritmo, por lo que las personas pueden aprender mejor el tema en su propio tiempo con acceso a un gran instructor.

Aquí está el enlace al curso: Medicina clínica asistida por aprendizaje automático