Junior UC3M - Machine Learning, con mención especial para el ubicuo Deep Learning, en Imagen Médica

scala.uc3m.es/s...
PEDRO MACIAS GORDALIZA (UC3M)
Desde principios de los años sesenta y durante los 50 años posteriores (1963-2013) equipos multidisciplinares de científicos (matemáticos, físicos, ingenieros, médicos, biólogos, etc.) desarrollaron e implementaron diferentes algoritmos y sistemas que pretendían automatizar el análisis de imágenes médicas. Se fracasó. Sin embargo, en 2013, el Deep Learning que había aparecido por primera vez tres décadas antes, espoleado por la las mejoras en la capacidad de cómputo, la cantidad de datos disponibles y nuevas metodologías, comenzó a proporcionar resultados similares (o “mejores”) a los producidos por humanos entrenados durante años (radiólogos, patólogos, oftalmólogos, etc.). En un contexto idealizado resultaría estúpido, en términos de coste y tiempo, entrenar a personas en tareas que pueden ser realizadas con facilidad por una máquina. El revuelo actual en torno a la inteligencia artificial, está ocultando las carencias técnicas existentes aún por resolver en su aplicación en el campo de la medicina, sin embargo, estas pueden ser solventadas en un futuro relativamente cercano. ¿Qué problemas son exitosamente atajados con Deep Learning actualmente? ¿cuáles son los problemas por resolver? ¿es actualmente solo un problema de ingeniería?