La IA Detecta Enfermedades, Incluidos Cánceres, a partir del Aliento Humano

• Una nueva red neuronal convolucional puede analizar compuestos en el aliento humano y detectar enfermedades.
• La tecnología hace que todo el proceso sea rápido, menos costoso y más fiable.
• Puede utilizarse en medicina forense, medicina y análisis ambiental.

La inteligencia artificial (IA) está generando mucho revuelo últimamente. Los desarrolladores están integrando la IA en casi todo: ya sea reconociendo voces en una multitud, creando vehículos totalmente autónomos, convirtiendo videos a alta calidad o desarrollando mejores baterías o explosivos, la IA ha demostrado sus extraordinarias capacidades en todos los campos.

A partir de ahora, la IA también puede oler. Investigadores de la Universidad de Edimburgo, el Hospital General Occidental y la Universidad de Loughborough han construido un sistema basado en aprendizaje profundo que puede examinar compuestos en el aliento humano y detectar enfermedades, incluidos diferentes tipos de cáncer, con mayor precisión que los humanos.

El aliento humano típico contiene más de 1.000 compuestos orgánicos volátiles distintos, que son productos de los procesos metabólicos que ocurren debido al intercambio de gases en la sangre en todo el cuerpo. Una muestra de aliento consiste en varias informaciones que describen condiciones patológicas y fisiológicas, y por tanto el estado de salud de un paciente.

Métodos Existentes para Analizar el Aliento

Durante las últimas dos décadas, los científicos han estado utilizando máquinas avanzadas para detectar pequeñas cantidades de elementos y compuestos en el aire. Estas máquinas aprovechan el método analítico de cromatografía de gases-espectrometría de masas (GC-MS) para identificar numerosos compuestos orgánicos volátiles.

La máquina separa cada compuesto en la muestra de aire y lo fragmenta. Ahora cada fragmento tiene una identidad única a partir de la cual se pueden reconocer compuestos específicos.

Crédito: James Gathany / Smithsonian

El gráfico anterior muestra una vista 3D de una parte de una muestra de aliento de una máquina GC-MS. Cada pico individual está asociado con un fragmento de molécula. Incluso el pico más pequeño juega un papel crucial en la identificación de diferentes sustancias. Los patrones específicos de tales picos revelan el tipo de enfermedades que un paciente podría estar portando, incluidos cánceres en etapas tempranas.

Hoy en día, las máquinas GC-MS se utilizan en detección de drogas, examen ambiental, análisis de explosivos y detección de materiales desconocidos, incluidas muestras obtenidas de Marte en la década de 1970.

Sin embargo, el proceso puede ser tedioso y consumir mucho tiempo. Se requiere examinar manualmente una gran cantidad de datos complejos por especialistas. A veces, lleva días investigar una sola muestra, y como los humanos son propensos a errores, pueden pasar por alto una sustancia o confundir una sustancia con otra.

¿Cómo Puede Ayudar la IA?

Los investigadores han propuesto el uso de redes neuronales convolucionales (CNN) para identificar compuestos orgánicos volátiles de forma autónoma a partir de datos brutos. Esto elimina la necesidad de flujos de trabajo de preprocesamiento de datos que consumen mucho tiempo y son intensivos en mano de obra.

Recopilaron muestras de aliento de pacientes que recibían tratamiento contra el cáncer en el Centro Oncológico de Edimburgo. Estas muestras fueron examinadas por dos equipos de informáticos y químicos.

Después de identificar manualmente los compuestos, estas muestras se alimentaron a redes de aprendizaje profundo. La computación de la red neuronal se realizó en GPUs NVIDIA Tesla utilizando los marcos de aprendizaje profundo TensorFlow y Keras.

Una representación simple de todo el proceso | Crédito: James Gathany / Smithsonian

Para mejorar aún más la eficiencia de la red, los investigadores expandieron los conjuntos de datos de entrenamiento originales utilizando aumento de datos: la CNN se aumentó 100 veces.

Referencia: Research Gate | Smithsonianmag

El sistema funcionó mejor cuando se ejecutó con 2 características específicas:

1. Filtro 1D para adaptarse a la estructura de datos GC-MS específica.
2. Entrada de canal 3D para leer señales de baja, media y alta intensidad del espectro GC-MS variable.

Los investigadores se centraron en identificar un conjunto de químicos, llamados aldehídos, que a menudo son responsables de fragancias, así como de enfermedades humanas y condiciones de estrés.

Las computadoras integradas con esta IA solo tardan minutos en identificar una muestra de aliento que de otro modo tomaría horas. En general, la tecnología está haciendo que todo el proceso sea rápido y menos costoso, pero sobre todo está haciendo que el proceso sea más fiable.

Leer: Google Desarrolla IA que Predice Enfermedades Cardíacas Escaneando tus Ojos

La precisión de la red puede mejorarse aún más entrenándola con una amplia gama de muestras. Además, no está restringida a ningún compuesto específico: se podría usar esta IA en medicina forense, medicina y análisis ambiental.