Los científicos de PNNL que trabajan con investigadores de Stanford han propuesto un nuevo enfoque para incorporar el conocimiento médico en los sistemas de IA. mejorando la precisión del diagnóstico del paciente de forma espectacular. Crédito:PNNL 
El enfoque PNNL busca capturar y recrear los tipos de conexiones que los médicos hacen de forma natural cuando aplican toda una vida de aprendizaje y conocimiento al paciente que está frente a ellos en la sala de examen. El objetivo:utilizar las sólidas capacidades de inteligencia artificial del laboratorio en aprendizaje automático y aprendizaje profundo para mejorar la atención al paciente y salvar vidas.
Los científicos de PNNL discutieron recientemente su nuevo enfoque en un documento presentado en el taller Data Science for Healthcare en la Conferencia SIGKDD sobre Descubrimiento de Conocimiento y Minería de Datos.
En el corazón del desarrollo se encuentra un conjunto de datos PNNL creado en colaboración con la Universidad de Stanford de más de 300, 000 conceptos médicos definidos por los términos clínicos de SNOMED, una colección de términos médicos estándar, códigos, sinónimos y definiciones utilizados por investigadores y profesionales médicos. PNNL desarrolló un método de aprendizaje basado en gráficos basado en estos términos que superó los modelos actuales. El código está disponible como descarga de código abierto.
"Si cree que es difícil traducir la letra de los médicos, intente traducir sus conocimientos médicos al lenguaje informático, "observa Robert Rallo, un científico informático en PNNL que dirige el equipo de PNNL que aplica la inteligencia artificial a la atención médica. "La parte difícil es combinar varios tipos de datos. Los datos fáciles de usar, como los números de análisis de sangre o los códigos de diagnóstico, son más fáciles que los datos no estructurados, como las notas de los gráficos o las imágenes de rayos X o resonancias magnéticas".
Rallo y el resto del equipo de PNNL están creando formas de fusionar los diferentes tipos de datos de atención médica con una herramienta de inteligencia artificial conocida como gráfico de conocimiento como parte del proyecto Deep Care financiado por PNNL.
"Un gráfico de conocimiento es lo que los médicos tienen en mente cuando te diagnostican, ", dijo Rallo." Los médicos ven las relaciones basadas en años de formación y experiencia. Este es su modelo mental que crea vínculos entre síntomas y enfermedades. Estamos traduciendo una representación simbólica del conocimiento médico como esa en algo que podamos alimentar a los algoritmos de aprendizaje automático junto con los datos del paciente ".
El científico informático de la PNNL, Khushbu Agarwal, enfatiza que la IA no reemplazará a los médicos. En lugar de, La IA será una herramienta de apoyo a la toma de decisiones. Los modelos tendrán acceso a más datos y más conexiones de las que se pueden almacenar en cualquier cerebro humano. Mucho más que una base de datos los modelos pueden incluso detectar conexiones que un médico que observa un conjunto de síntomas aleatorios puede que no considere inicialmente. Pero no se debe esperar que los médicos tomen el resultado de un modelo al pie de la letra. Sutanay Choudhury, un informático en PNNL, se centra en la interpretabilidad de estos modelos. Está trabajando para construir una herramienta que pueda explicar su razonamiento, predicciones y recomendaciones utilizando ejemplos comprensibles que los médicos interpretarán. Tales explicaciones aumentan la confianza en el modelo, que el equipo de la PNNL prevé que algún día se desplegará en las clínicas médicas.
Como parte de la siguiente fase de su investigación, el equipo de PNNL está trabajando con un nuevo conjunto de datos como parte de una colaboración entre la Administración de Veteranos y el Departamento de Energía. La Iniciativa de ciencia de Big Data del VA-DOE creó un entorno informático seguro para el análisis de datos médicos e incluye nuevos enfoques para estudiar el suicidio. enfermedad cardiovascular y cáncer de próstata.
