La inteligencia artificial (IA) comprende la simulación de procesos de inteligencia
humana por parte de las máquinas mediante la interacción con sistemas informáticos. Dentro de estos procesos se consideran la adquisición de gran cantidad de información y reglas que ayuden a procesar la misma, para realizar las acciones solicitadas, el razonamiento mediante el uso de regulaciones con el objetivo de que el proceso de decisión le permita llegar a conclusiones aproximadas o definitivas y también la autocorrección, que permita realizar correcciones a los procesos y mediante éste se logre un aprendizaje retroactivo(1).
En la actualidad, inteligencia artificial es un término general de gran alcance, que
abarca desde la automatización de procesos robóticos hasta la robótica actual. Ha alcanzado relevancia básicamente en función de grandes volúmenes de datos e información, el incremento en la velocidad y capacidad de proceso de los equipos informáticos, lo asequible de las nuevas tecnologías, la difusión y propagación de las conexiones a internet, entre otros aspectos, que han permitido dar a conocer los avances generados en diferentes ámbitos, lo que ha despertado el interés de la sociedad por incursionar en este tipo de soluciones(1).
Los diversos estudios y aplicaciones permiten determinar diferentes tipos de
inteligencia artificial mismos que se pueden ejemplificar de la siguiente manera: Los sistemas de IA débil. Conocida también como IA estrecha, está diseñada y adiestrada para tareas particulares. Los recientemente incorporados asistentes personales virtuales, como Siri de Apple o Alexa de Amazon, son una forma de débil de AI(1).
La IA fuerte, conocida también como inteligencia general artificial, presenta
habilidades cognitivas humanas generalizadas, lo que le permite encontrar soluciones cuando se le presenta tareas desconocidas. Alan Turing, matemático considerado padre de la computación, desarrolló en 1950 un método utilizado para establecer si una computadora realmente puede desarrollar competencias cognitivas y pensar como un humano(1). Redes neuronales artificiales
Un ordenador es una máquina que ejecuta una serie de instrucciones de forma
secuencial, siendo capaz de realizar complicadas operaciones lógicas y aritméticas de forma muy rápida(2).
Sin embargo, la estructura del cerebro es radicalmente diferente. No está compuesto
por un único microprocesador complejo y eficiente, sino por miles de millones de neuronas, que realizan de modo impreciso, redundante y relativamente lento un tipo de cálculo muy simple. Y sin embargo estos sistemas resuelven ciertas tareas como la visión manejando grandes cantidades de información redundante, defectuosa y cambiante como ninguna máquina que el hombre haya podido construir hasta la fecha(2).
Una red neuronal es un modelo informático que pretende simular el funcionamiento
del cerebro a partir del desarrollo de una arquitectura que toma rasgos del funcionamiento de este órgano sin llegar a desarrollar una réplica del mismo. El cerebro puede ser visto como un equipo integrado por aproximadamente 10 billones de elementos de procesamiento (neuronas) cuya velocidad de cálculo es lenta, pero que trabajan en paralelo y con este paralelismo logran alcanzar una alta potencia de procesamiento(2).
El elemento clave de este paradigma es la novedosa estructura del sistema de
procesamiento de la información. Los sistemas neuronales artificiales están compuestos por multitud de procesadores simples que operan sobre el reconocimiento de patrones, y que pueden adquirir, almacenar y utilizar conocimiento experimental. Esta forma de adquirir el conocimiento es una de sus características más destacables: no se programa de forma directa, como en los sistemas expertos, sino que se adquiere el conocimiento a partir de ejemplos, por ajuste de parámetros de las neuronas mediante un algoritmo de aprendizaje(2).
La clasificación de las áreas de la aplicación de redes neuronales en el campo de la
Medicina es la siguiente:
1) Diagnóstico: detección de cáncer y patologías cardíacas a través de las señales que
se obtienen a partir del diagnóstico médico. Los beneficios del uso de redes neuronales en diagnóstico no se ven afectados por factores como la fatiga, las condiciones desfavorables de trabajo, y los estados emocionales(2).
2) Analítica: en bioquímica se facilitan los análisis de orina, sangre, control de diabetes
mellitus, ionogramas, y la forma de detectar condiciones patológicas a través del análisis bioquímico(2).
3) Imágenes: el procesamiento de imágenes de alta complejidad (radiografía,
4) Farmacología: singular valor en el desarrollo de fármacos para el tratamiento del
cáncer. También han sido utilizadas para el proceso de modelado de biomoléculas. El algoritmo generalmente utilizado en el diagnóstico, estudio analítico y en la farmacología son de retropropagación(2).
Bibliografia:
1. Martínez-García DN, Dalgo-Flores VM, Herrera-López JL, Analuisa-Jiménez EI,
Velasco-Acurio EF. Avances de la inteligencia artificial en salud. Dominio las Ciencias. 2019;5(3):603.
2. Vaquero PC. Revista española de investigaciones quirúrgicas. 2018;