Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Inteligencia artificial y profundamente aprendizaje en remedio

La inteligencia artificial, o el AI, es un término de la sombrilla para el aprendizaje de máquina y profundamente aprender. Es donde una máquina admite la información de sus alrededores y, de eso, toma la decisión más óptima apropiada a la situación.

Tipos de AI

En el aprendizaje de máquina, una máquina puede tomar un grupo de datos, analizarlo, y hacer una decisión o una predicción basada en lo que ha aprendido. Profundamente el aprendizaje es una versión más compleja de esto, donde hay varias capas de características de proceso y cada capa toma una cierta información.

Éstos ambos se basan en las redes neuronales, que son algoritmos que actúan semejantemente al cerebro humano en que toman una entrada y ofrecen un rendimiento basado en lo que han aprendido.

Sin embargo, el algoritmo no necesita tener las capacidades problem-solving más cognoscitivas del aprendizaje de máquina y profundamente aprendiendo ser considerado un AI, apenas necesita llevar a la solución más ideal.

Los que se consideran AI pero no el aprendizaje de máquina puede ser las máquinas que apenas utilizan los árboles de decisión para la lógica o unos que se han dado reglas e instrucciones.

Subida de inteligencia artificial en remedio

El AI ha comenzado a hacer su manera en las ciencias de la vida debido a los grupos de datos digitales y a menudo masivos que necesitan análisis. Permite una programación más fácil de máquinas porque quita una porción grande de describir características de la célula. El AI necesita solamente ser mostrado un equipo de dos tipos de la célula, por ejemplo, cacerígenos y noncancerous, sin descripciones profundizadas de cada característica.

Para uno, el AI se puede utilizar durante cribados. El análisis de imágenes, de la forma de vida y de otros datos de la salud puede ayudar en la diagnosis o la predicción del inicio de enfermedades en un primero tiempo.

Esto abre la posibilidad creciente de usar dimensiones preventivas antes de la manifestación de la enfermedad. Además, puede ser posible reducir diagnosis del positivo falso.

Quizás más importante, el AI tiene la posibilidad a ayudar en áreas con atención sanitaria menos con manos. Se cree que las áreas geográficamente aisladas pueden beneficiarse del AIS que podría reemplazar a médicos.

Alternativamente, en las áreas que faltaban al estado mayor especializado, el AI podía reemplazar el papeles por ejemplo de radiólogos para realizar rutinas de la investigación. Tal AI existe ya en Corea, en donde la tuberculosis se puede determinar de radiografías del pecho.

Usos de la inteligencia artificial

Hay una miríada de ejemplos de cómo el AI puede potencialmente ser utilizado, y la tecnología está experimentando actualmente un renacimiento con varias compañías grandes que se centran sus esfuerzos en usos del AI en ciencias de la vida. Sin embargo, algunos métodos se han ejecutado ya y merecen la mención.

El paciente profundo es un método del aprendizaje de máquina modelado de los historiales médicos electrónicos de 700.000 pacientes del almacén de datos del monte Sinaí. El algoritmo fue modelado usando el aprendizaje de máquina no supervisado, en donde la máquina puede aprender tomar las decisiones basadas en cómo es similar son los datos, incluso si no se ofrece ningún rendimiento.

El paciente profundo era acertado en enfermedades que predecían tales como diabetes severa, esquizofrenia, y ciertos cánceres. La esquizofrenia es notorio difícil de predecir para los médicos, haciendo esto una hazaña muy impresionante. Paciente profundo revisado para alrededor 80 enfermedades y manejado para predecir inicio con la exactitud 80-90%.

Además, a diferencia de aproximaciones anteriores, el paciente profundo no es altamente específico a cierta enfermedad sino a las tapas una amplia gama de enfermedades mientras que todavía conserva exactitud. También muestra que el paciente profundo puede aprender las descripciones y las características que no son específicas a cierto dominio.

El AI se ha aplicado relativamente extensivamente a la investigación de cáncer. La clínica de Mayo ha entrenado a una red neuronal para reconocer mutaciones genéticas analizando la imagen de MRI en cáncer de cerebro.

Esto quita la necesidad de biopsias, pues el sistema puede determinar con la exactitud del 95%. Sin embargo, porque el sistema no da una razón de su identificación, los investigadores todavía no están seguros qué el algoritmo está tomando exactamente conectado en esas imágenes de MRI.

Buenos datos y trampas potenciales de la inteligencia artificial

Según lo mencionado, el AI es capaz de proveer de rendimientos alta exactitud. Sin embargo, en su base el AI no se entiende completo. La matemáticas detrás de cómo un AI aprende no se entiende completo, y, como en el ejemplo de la clínica de Mayo, los investigadores no sabe a veces porqué el algoritmo da ciertos rendimientos, incluso si están correctos.

El aprendizaje de máquina y profundamente el aprendizaje confían en gran parte en el grupo de datos que aprende de. Son susceptibles al supuesto “basura hacia adentro, principio de la basura fuera”, significando que los rendimientos son solamente tan exactos como eran los equipos de aprendizaje. Por lo tanto, determinar el equipo de características correcto para observar y tener certeza que los datos son seguros es crítico importantes.

Fuentes

Further Reading

Last Updated: Oct 15, 2018

Sara Ryding

Written by

Sara Ryding

Sara is a passionate life sciences writer who specializes in zoology and ornithology. She is currently completing a Ph.D. at Deakin University in Australia which focuses on how the beaks of birds change with global warming.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Ryding, Sara. (2018, October 15). Inteligencia artificial y profundamente aprendizaje en remedio. News-Medical. Retrieved on February 25, 2021 from https://www.news-medical.net/health/Artificial-Intelligence-and-Deep-Learning-in-Medicine.aspx.

  • MLA

    Ryding, Sara. "Inteligencia artificial y profundamente aprendizaje en remedio". News-Medical. 25 February 2021. <https://www.news-medical.net/health/Artificial-Intelligence-and-Deep-Learning-in-Medicine.aspx>.

  • Chicago

    Ryding, Sara. "Inteligencia artificial y profundamente aprendizaje en remedio". News-Medical. https://www.news-medical.net/health/Artificial-Intelligence-and-Deep-Learning-in-Medicine.aspx. (accessed February 25, 2021).

  • Harvard

    Ryding, Sara. 2018. Inteligencia artificial y profundamente aprendizaje en remedio. News-Medical, viewed 25 February 2021, https://www.news-medical.net/health/Artificial-Intelligence-and-Deep-Learning-in-Medicine.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News Medical.