Aplicaciones emergentes del aprendizaje automático e IA para modelado predictivo en medicina de precisión

Según npj Digital Medicine, el editorial de Zorraquin, J., Kvedar, J.C., Bange, M. et al.[1]"resume 31 artículos que muestran que la medicina de precisión requiere integrar..."[1]Los autores escriben que "el análisis de video basado en laboratorio es preciso pero costoso, limitando el acceso a la atención especializada."[1] Añaden que los nuevos paradigmas se enfocan en hardware pequeño y móvil adecuado para cualquier entorno, incluyendo contextos con recursos limitados.[1]El editorial reporta que las redes convolucionales de grafos basadas en teléfonos inteligentes ahora evalúan la asimetría de la marcha parkinsoniana en el hogar[1]. También dice que los modelos de código abierto transforman video sin procesar en métricas interpretables del trastorno del espectro autista[1].Los autores también citan el aprendizaje profundo para la detección en tiempo real de lesiones por ultrasonido, estimación no invasiva del recuento de sangre a partir de videos oculares y predicción del riesgo cardiovascular a partir de ecocardiografía[1].En cardiología, el editorial dice que el aprendizaje profundo detecta insuficiencia cardíaca subclínica a partir de electrocardiogramas[1]. Añade que los modelos basados en transformadores mejoran aún más las predicciones de resultados a partir de registros de rutina con sesgo reducido.[1]La página de Nature para la colección de artículos relacionada dice que estas tecnologías "marcan un cambio hacia la atención médica personalizada, predictiva y participativa."[2]La misma página de la colección advierte que "las consideraciones éticas, la privacidad de datos y el acceso equitativo siguen siendo desafíos clave."[2]