La IA detecta enfermedades, incluido el cáncer, a partir del aliento humano

• La 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 confiable.
• Se puede utilizar en medicina forense, análisis ambiental y.

La inteligencia artificial (IA) está generando mucho revuelo en estos días. Los desarrolladores están integrando la IA en casi todo:ya sea reconociendo voces entre la multitud, fabricando vehículos totalmente autónomos, convirtiendo vídeos 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 Western General Hospital y la Universidad de Loughborough han creado 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 transporta más de 1.000 compuestos orgánicos volátiles distintos, que son productos de los procesos metabólicos que se producen debido al intercambio sangre-gas en todo el cuerpo. Una muestra de aliento consta de varios datos que describen condiciones patológicas y fisiológicas y, por tanto, el estado de salud de un paciente.

Métodos existentes para analizar la respiración

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 y espectrometría de masas (GC-MS) para identificar numerosos compuestos orgánicos volátiles.

La máquina separa cada compuesto en la muestra de aire y lo rompe en fragmentos. 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 la máquina GC-MS. Cada pico 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 dichos picos revelan el tipo de enfermedades que podría tener un paciente, incluidos los cánceres en etapas tempranas.

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

Sin embargo, el proceso podría resultar tedioso y llevar mucho tiempo. Los especialistas deben examinar manualmente una enorme cantidad de datos complejos. A veces, se necesitan días para investigar una sola muestra y, dado que los humanos son propensos a cometer 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 sin procesar. Esto elimina la necesidad de un flujo de trabajo de preprocesamiento de datos que consume mucho tiempo y trabajo.

Recogieron muestras de aliento de pacientes sometidos a tratamiento contra el cáncer en el Centro Oncológico de Edimburgo. Luego, 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. El cálculo de la red neuronal se realizó en GPU NVIDIA Tesla utilizando los marcos de aprendizaje profundo TensorFlow y Keras.

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

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

Referencia:Puerta de investigación | Revista Smithsonian

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 intensidad baja, media y alta de distintos espectros de GC-MS.

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

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

Leer:Google desarrolla una IA que predice enfermedades cardíacas escaneando tus ojos

La precisión de la red se puede mejorar aún más entrenándola en una amplia gama de muestras. Además, no se limita a ningún compuesto específico:se podría utilizar esta IA en análisis forense, médico y ambiental.