Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fujifilm (Fujifilm Holdings Corporation) es una compañía japonesa que se fundó en 1934 con el
objetivo de convertirse en la primera compañía del país en película fotográfica
Fujifilm desarrolla herramientas para detectar con mayor eficacia y velocidad posibles síntomas
analizando una gran cantidad de datos e imágenes en tiempo real incorporando nuevas maneras
de realizar diagnósticos en los que el procesamiento de grandes cantidades de datos asiste al
especialista, La llegada de la IA aplicada a las imágenes médicas, como radiografías, TACs o
scanners, viene de la mano de los algoritmos matemáticos y es el resultado de experiencias como
los vehículos autónomos” que son capaces de reconocer objetos y patrones, y esta misma
tecnología se ha trasladado al reconocimiento de las imágenes médicas, surge el análisis de
imágenes a través de la IA, Esto comenzó a ser posible cuando se desarrollaron unas posibilidades
de computación basadas en las consolas de videojuegos” Eran capaces de procesar una cantidad
de imágenes inmensa, y este tipo de unidades gráficas se ha utilizado para desarrollar estos
algoritmos que reconocen imágenes.
“Por ejemplo, existen soluciones de IA que nos dicen el grado de la atrofia que tiene un cerebro o,
y en pandemia, nos informó qué pacientes estaban afectados por una neumonía derivada de la
covid-19 a través de una radiografía de tórax. Otras detectan un tumor de manera automatizada,
en un pulmón o una mama, y avisan al radiólogo que está realizando ese estudio para que no se le
pase por alto”
Otra de las pruebas en las que la Inteligencia Artificial se está aplicando con grandes resultados es
la colonoscopia en este campo, está orientada a detectar pólipos y cánceres precoces, Un pólipo
es similar a una verruga en el colón, que puede crecer, degenerar y convertirse en cáncer. La
colonoscopia nos permite detectarlos y, si es necesario, eliminarlos”.
Con la herramienta desarrollada por Fujifilm tiene dos finalidades: ayudar a detectar pólipos ,
mediante la observación de su superficie, establecer de qué tipo es entrenándola con miles de
vídeos y enseñando al software qué es y qué no es un pólipo, de esa forma se ha construido un
patrón de reconocimiento”.
Una de sus grandes ventajas es la capacidad de mantener la atención en todo momento y reforzar
el trabajo del especialista. “Este sistema no sustituye al médico, pero es de gran ayuda porque le
alerta.
El CAD EYE nos alerta, señalándolo con un cuadrado azul. Otras veces, nos sirve para contrastar. Se
puede observar algo que parece un pólipo pero no estar seguros.
“De esta manera podemos dejar los pólipos benignos, y los que son extraídos ya no es necesario
analizarlos porque ya tenemos ese diagnóstico gracias a la IA.
Esto representa una gran mejora en el proceso: cuando termina la colonoscopia ya podemos hacer
las recomendaciones al paciente sin esperar al resultado de una biopsia”.
CAD EYE, de Fujifilm, un software que ‘aprende’ la caracterización de los pólipos más peligrosos de
colon en prevención del cáncer.
CAD EYE es una de las innovaciones de la compañía Fujifilm incorporadas en los equipos de
endoscopia. Se trata de un software con una función para la caracterización de pólipos de colon
que utiliza un sistema de Inteligencia Artificial (IA) basado en Deep learning, que va ‘aprendiendo’
de imágenes y vídeos de alta definición.
Esta tecnología detecta y caracteriza lesiones, por el momento sólo en el tracto digestivo inferior
aunque, con el tiempo y ese ‘aprendizaje’ a través de actualizaciones podrá hacer lo mismo en la
zona del estómago y del esófago. Combinado con la cromoendos copia LCI mejora la detección en
tiempo real de pólipos y adenomas. Es eficaz hasta un 100% especialmente ante lesiones
aserradas planas de muy difícil detección.
“Se convierte así en un software muy útil que facilita la labor de los profesionales y que ayuda a
desarrollar una tarea formativa en aquellos endoscopistas menos experimentados en el
diagnóstico óptico de lesiones, ayudándoles así con el resultado diagnóstico.»
Fujifilm Synapse 3D
Synapse 3D, por otro lado, es el software avanzado de Fujifilm para procesar y analizar imágenes
médicas, cuya aplicación abarca campos que van de la radiología a la cardiología.
Características
Gran variedad de soluciones clínicas: Synapse 3D ofrece un importante soporte diagnóstico, clínico
y quirúrgico para varios servicios médicos de toda la organización de atención médica.
Neutral y multimodal: Synapse 3D puede procesar cualquier estudio DICOM adquirido de una
variedad de modalidades de imágenes, proporcionando una herramienta de procesamiento única
e integrando así todas las modalidades presentes en el departamento.
Dicho estudio se debe realizar una vez al año a partir de los 40 años de edad para ver cómo
evolucionan diferentes patologías.
En este proyecto europeo, se están empleando técnicas muy innovadoras de Inteligencia Artificial,
combinadas con la Computación de Alto Rendimiento y el Big Data.
Si hacemos alusión a la literalidad de su nombre, podemos interpretar que el big data consiste en
un gran volumen de datos de todo tipo. Estos datos se pueden presentar estructurados o no
estructurados, y de ellos podemos extraer información muy valiosa, siempre y cuando sepamos
cómo interpretarla.
El big data nos ayuda a extraer información útil de la inmensa marea de datos que se generan cada
día. Apoyándose en un conjunto de algoritmos, los analiza y saca conclusiones que nos permiten
distinguir tendencias e identificar posibles problemas y oportunidades.
Big data e inteligencia artificial están tan relacionados que cuesta concebirlos de manera
independiente. Explicándolo de una manera gráfica: el big data nutre con sus datos a la
inteligencia artificial, que no podría funcionar ni sostenerse sin él. Del mismo modo, el big data no
encontraría sentido sin una inteligencia que lo interpretara y fuera capaz de exprimir todo su
potencial.
Por lo tanto, big data e inteligencia artificial se apoyan y se retroalimentan, y trabajan como
auténticos aliados con un mismo fin: perseguir el éxito de la compañía, sacando el máximo partido
de los recursos disponibles.
La idea es combinar la Computación de Alto Rendimiento con entornos Big Data para mejorar la
labor de los técnicos expertos y del personal médico en el etiquetado y procesamiento de
imágenes biomédicas, así como en el entrenamiento de modelos de Inteligencia Artificial. Este
entorno incluye el desarrollo de dos nuevas librerías de software libre y código abierto
De esta forma, se busca crear nuevas formas más eficientes de diagnóstico, seguimiento y
tratamiento de enfermedades.
Deep learning trata de imitar el cerebro humano, aunque lejos de igualar su capacidad, lo que
permite a los sistemas agrupar datos y realizar predicciones con una gran precisión
Deep learning es un subconjunto de machine learning, que es básicamente una red neuronal con
tres o más capas. Estas redes neuronales intentan emular el comportamiento del cerebro humano
—aunque lejos de igualar su capacidad— pero le permiten "aprender" a partir de grandes
cantidades de datos. Aunque una red neuronal con una sola capa ya puede realizar predicciones
aproximadas, las capas ocultas adicionales ayudan a optimizar y refinar la precisión.
Deep learning impulsa muchos servicios y aplicaciones de inteligencia artificial (IA) que mejoran la
automatización, realizando tareas analíticas y físicas sin intervención humana. La tecnología de
deep learning reside detrás de muchos productos y servicios de uso cotidiano (como los asistentes
digitales, los controles de TV habilitados por voz y la detección de fraudes con tarjeta de crédito),
así como de tecnologías emergentes (como los automóviles autónomos).
2. Asistentes virtuales: Siri, Alexa y Google Assistant utilizan el Deep Learning para entender y
responder a las preguntas y comandos de los usuarios. Aprenden a medida que más personas los
utilizan y mejoran su capacidad de entender el lenguaje natural.
3. Traducción automática: plataformas como Google Translate utilizan el Deep Learning para
traducir texto de un idioma a otro. La red neuronal aprende patrones en los datos de
entrenamiento para poder generar traducciones precisas.
4. Reconocimiento de voz: los sistemas de reconocimiento de voz, como los utilizados en los
smartphones o en los coches con comandos de voz, se basan en el Deep Learning para interpretar
y convertir el habla en texto.
5. Filtrado de spam: los filtros de spam en el correo electrónico utilizan técnicas de Deep Learning
para analizar el contenido de los mensajes y determinar si son legítimos o no.
https://expansion.mx/tecnologia/2019/10/19/reili-la-tecnologia-que-ayuda-a-combatir-el-cancer-
de-mama
https://www.ibm.com/es-es/topics/deep-learning
https://computerhoy.com/tecnologia/deep-learning-considera-revolucion-ia-1241180
https://griensu.com/producto/synapse-3d/
https://www.ituser.es/actualidad/2019/05/deephealth-el-proyecto-europeo-para-mejorar-los-
diagnosticos-medicos-con-inteligencia-artificial
https://www.tableau.com/es-es/data-insights/ai/ai-big-data
Detección de pólipos mediante la herramienta CAD-EYE, que utiliza soluciones de inteligencia artificial.
Esta tecnología forma parte de la Inteligencia Artificial que se desenvuelve en distintas capas o niveles
9 Beneficios de la Inteligencia Artificial en la medicina
El término Inteligencia Artificial se refiere a la capacidad de las máquinas para realizar tareas que
normalmente son realizadas y requieren inteligencia humana. En el ámbito de la salud, la IA ha
demostrado ser una herramienta invaluable para los profesionales médicos en varias áreas.
Uno de los principales beneficios de la inteligencia artificial en la salud es su capacidad para ayudar
a mejorar el diagnóstico médico. Los sistemas de IA pueden analizar grandes cantidades de datos y
reconocer patrones que podrían pasar desapercibidos para los médicos. Esto permite identificar
enfermedades en etapas tempranas, cuando el tratamiento es más efectivo.
La IA puede ayudar a los profesionales de la salud a optimizar su flujo de trabajo diario. Los
sistemas de IA pueden analizar datos médicos, registros electrónicos de salud y otros documentos
para proporcionar información relevante en tiempo real. Esto ahorra tiempo a los médicos y les
permite centrarse más en el cuidado de los pacientes.
Así mismo, con la utilización de chatbots basados en IA se pueden responder preguntas comunes,
proporcionar información médica y ofrecer orientación básica. Esto alivia la carga de trabajo de los
profesionales de la salud y permite una atención más accesible para los pacientes.
La inteligencia artificial puede ayudar a prevenir enfermedades y promover la salud a través del
análisis de datos. Al identificar factores de riesgo y patrones en grandes conjuntos de datos, la IA
puede proporcionar recomendaciones para la prevención de enfermedades. Esto es
especialmente útil en el campo de la medicina preventiva.
Con la capacidad de analizar y procesar grandes volúmenes de datos, la IA puede ayudar a los
investigadores a identificar patrones, descubrir nuevas terapias y acelerar el desarrollo de
medicamentos. Esto agiliza el proceso de investigación y abre nuevas posibilidades para el
tratamiento de enfermedades.
Los sistemas de IA pueden analizar registros médicos electrónicos, historias clínicas y otros datos
para identificar tendencias y patrones. Esto ayuda a los profesionales de la salud a tomar
decisiones informadas y proporcionar un cuidado más personalizado.
https://medicinaysalud.digital/beneficios-de-la-inteligencia-artificial/
Junto a él, también se han creado las “virtual nursing assistant” - asistentes de enfermería-, con el
objetivo de atender al paciente en todo momento4.
Inteligencia artificial al servicio de la medicina: así ayuda a conseguir diagnósticos más certeros
Detectar con mayor eficacia y velocidad posibles síntomas ahora es posible gracias a
herramientas como las que desarrolla Fujifilm, que sirven de apoyo a los profesionales médicos
analizando una gran cantidad de datos e imágenes en tiempo real.
La tecnología es, por supuesto, una gran aliada de la ciencia médica, incorporando nuevas
maneras de realizar diagnósticos en los que el procesamiento de grandes cantidades de datos
asiste al especialista.
El CAD EYE nos alerta, señalándolo con un cuadrado azul. Otras veces, nos sirve para contrastar.
Podemos ver algo que parece un pólipo pero no estar seguros, normalmente contrastamos con
compañeros, pero de esta manera tienes a otro experto a tu lado”.
Gracias a esta herramienta, el especialista no solo detecta con mayor precisión y eficacia estos
pólipos, sino que también determina de manera inmediata su tipología. “De esta manera podemos
dejar los pólipos benignos, y los que son extraídos ya no es necesario analizarlos porque ya
tenemos ese diagnóstico gracias a la IA. Esto representa una gran mejora en el proceso: cuando
termina la colonoscopia ya podemos hacer las recomendaciones al paciente sin esperar al
resultado de una biopsia”.
“La llegada de la IA aplicada a las imágenes médicas, como radiografías, TACs o scanners, viene de
la mano de los algoritmos matemáticos y es el resultado de experiencias como los vehículos
autónomos”
Porque son capaces de reconocer objetos y patrones, y esta misma tecnología se ha trasladado al
reconocimiento de las imágenes médicas”.
“Esto comenzó a ser posible cuando se desarrollaron unas posibilidades de computación basadas
en las consolas de videojuegos”, prosigue Escobar. “Eran capaces de procesar una cantidad de
imágenes inmensa, y este tipo de unidades gráficas se ha utilizado para desarrollar estos
algoritmos que reconocen imágenes. De ahí viene la explosión en el sector de la imagen médica de
soluciones de IA que son capaces de detectar patrones y clasificarlos”.
“Por ejemplo, existen soluciones de IA que nos dicen el grado de la atrofia que tiene un cerebro o,
y en pandemia, nos diagnostico qué pacientes pueden estar afectados por una neumonía derivada
de la covid-19 a través de una radiografía de tórax. Otras detectan un tumor de manera
automatizada, en un pulmón o una mama, y avisan al radiólogo que está realizando ese estudio
para que no se le pase por alto”, detalla Escobar.
Una de la pruebas en las que la Inteligencia Artificial se está aplicando con grandes resultados es la
colonoscopia. “En este campo, está orientada a detectar pólipos y cánceres precoces”
El programa REiLI es un conjunto de soluciones que engloba más de 70 sistemas de
reconocimiento de imagen, a los que se van sumando nuevas aplicaciones que apoyan al
diagnóstico médico.
Synapse 3D, por otro lado, es el software avanzado de Fujifilm para procesar y analizar imágenes
médicas, cuya aplicación abarca campos que van de la radiología a la cardiología.
https://elpais.com/sociedad/siempre-innovando/2021-09-10/inteligencia-artificial-al-servicio
En pocas palabras, la Inteligencia Artificial puede ser un recurso importante para la medicina, y
conforme la tecnología se vaya superando, podrá tener nuevos retos que lleve a mejores
experiencias para los pacientes.
https://eldiariony.com/2024/01/23/como-la-inteligencia-artificial-podria-ayudarnos-a-mejorar-
nuestra-salud/
Inteligencia Artificial en el diagnóstico precoz del cáncer de mama
https://campus.sanofi.es/es/noticias/2021/inteligencia-artificial-salud
https://inteligencia-artificial.dev/medicina/