El equipo de investigación de la Universidad Metropolitana de Osaka desarrolló un modelo con inteligencia artificial capaz de determinar la edad a partir de radiografías de esta parte del cuerpo
La salud es una de las grandes ramas que empieza a vivir cambios con el desarrollo de la IA. Entre estos, ha contribuido en estudios que ayudan a responder la eterna pregunta de por qué algunas personas representan menos edad de la que tienen, produciéndose una diferencia entre la edad cronológica y la edad biológica, como el que llevaron a cabo estos profesionales franceses.
En Japón, científicos han creado un modelo avanzado de IA que utiliza deep learning (aprendizaje profundo) y recopilación y análisis de datos de distintas instituciones para calcular con precisión la edad cronológica de las personas, esto es, el tiempo que transcurre desde el nacimiento. El estudio fue publicado en la revista especializada The Lancet Healthy Longevity.
El alumno de posgrado Yasuhito Mitsuyama y el Dr. Daiju Ueda del Departamento de Diagnóstico y Radiología Intervencionista de la Facultad de Medicina de la Universidad de Osaka son los responsables de este método que se basa en radiografías del tórax para conocer la edad. Ueda es doctor en Medicina y ha hecho investigaciones previas sobre cómo impactan los sesgos y la discriminación, precisamente en los algoritmos de deep learning.
En un principio, los expertos aplicaron el modelo de IA en personas que sufrían de enfermedades frecuentes para hacer un análisis exhaustivo del vínculo entre la edad que estima la tecnología y la enfermedad. Las radiografías sirvieron un biomarcador para determinar el factor, que según declaraciones de Mitsuyama es uno de los más “críticos en medicina”, lo cual evidencia cómo la investigación es útil si se trata de sus aplicaciones y establecer con precisión las condiciones de salud.
La tecnología se entrenó con pruebas y la información de casi 70 000 radiografías de tórax entre 2008 y 2021, de 36 051 personas sanas que fueron a centros de salud para hacerse controles.
Con estos datos y la ayuda del DL, el coeficiente de correlación obtenido fue de un 0,95 entre la edad cronológica real y la estimada por la inteligencia artificial. La escala de estos coeficientes considera que uno de 0,9 o superior es muy fuerte.
De forma que la edad estimada por el modelo y la edad cronológica pudo correlacionarse con enfermedades crónicas como enfermedades pulmonares obstructivas, hiperuricemia o hipertensión.
En términos simples, a medida que la inteligencia artificial estimaba una edad superior en relación con la edad cronológica, aumentaba la probabilidad de que las personas presentaran dichas enfermedades. Así, el método sería útil para tener una previsión de las enfermedades crónicas que pueden sufrir los pacientes.
