Skip to main content

Artificial Intelligence: the (r)evolutionary way to transform medicine

Autor: Andrea García Ignacio
Centre: SAGRADA FAMÍLIA COL DIOCESÀ
Premi: Accèssit
El meu propòsit en aquest treball de recerca és demostrar que les tecnologies emergents, concretament, la intel·ligència artificial (IA), poden ser de gran utilitat per diagnosticar determinades malalties que tenen una gran afectació a nivell mundial com ho és el càncer.
En primer lloc, s’explica en què consisteix la intel·ligència artificial, amb un marc teòric que contempla els seus orígens i evolució, els riscos, els beneficis, l’impacte en la vida humana, l’ètica que presenta per situar-nos en la legislació vigent així com les tècniques més habituals d’IA amb l’aplicabilitat d’aquests mètodes en l’àmbit de la medicina.
En segon lloc, s’exposa la fusió de la intel·ligència artificial amb la medicina des d’un marc teòric que mostra el paper de la IA en diferents àrees mèdiques com ho són la monitorització de pacients, els tractaments personalitzats així com els riscos de hackeig i privacitat que presenten.
La part pràctica del projecte consisteix en el desenvolupament d'un algoritme, basat en machine learning, capaç de pronosticar el càncer de mama a partir de les dades recollides i que, d’aquesta manera, l’algoritme pugui detectar si realment el pacient té càncer de mama. Les dades amb les quals s’ha basat el programa han sigut extretes del repositori de dades de machine learning de la UCI. Amb aquesta informació s’ha pogut dissenyar un algoritme que detecta amb un 95% de fiabilitat el càncer de mama als pacients. A través dels resultats obtinguts, s’arriba a la conclusió que un diagnòstic precoç és fonamental per a la curació d’un càncer.
Cal mencionar també que d’una manera inesperada però molt gratificant, he estat invitada a la Universitat Rovira i Virgili per tal fer un altre algoritme que ha consistit en predir si el tractament d’immunoteràpia pot ser eficaç contra les berrugues en determinats pacients. Aquest però, no ha assolit tants bons resultats ja que s’ha produït un cas d’Imbalanced Data; és a dir s’ha obtingut una desproporció en els resultats presentats ja que han aparegut molts pacients que han respost correctament al tractament d’immunoteràpia; en canvi, només uns pocs no ho han fet. D’aquesta manera, es pot afirmar que el programa no ha estat entrenat de la mateixa manera per a una situació que per a l’altra i, en conseqüència, ha predit millor la situació per la qual ha estat més entrenat.
Tot això ens fa arribar a la conclusió que un sistema d’IA ha d’estar entrenat proporcionalment als resultats que hi puguin haver per tal d’emetre una diagnosi fiable i prometedora.