TEDGlobal 2017
Pratik Shah: How AI is making it easier to diagnose disease
Pratik Shah: Cómo la inteligencia artificial está facilitando los diagnósticos tempranos de enfermedades
Filmed:
Readability: 6.9
1,571,835 views
Los actuales algoritmos de inteligencia artificial necesitan decenas de miles de costosas imágenes para detectar las enfermedades. ¿Y si pudiéramos reducir la cantidad de información que se necesita para entrenar a un equipo de IA para que realice diagnósticos más eficaces y baratos? TED Fellow Pratik Shah trabaja en un ingenioso sistema para lograrlo. Mediante un enfoque no convencional de la IA, Shah ha desarrollado una técnica que requiere tan solo 50 imágenes para desarrollar un algoritmo activo, y que incluso puede usar fotografías tomadas desde el teléfono del médico para indicar el diagnóstico. Aprenda más sobre cómo esta nueva forma de analizar la información médica podría ayudar a detectar más temprano las enfermedades terminales y sobre cómo se podrían llevar los diagnósticos con programas de IA a más centros de salud en todo el mundo.
Pratik Shah - Medical technologist
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine. Full bio
Dr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine. Full bio
Double-click the English transcript below to play the video.
00:13
Computer algorithms today
are performing incredible tasks
are performing incredible tasks
0
1280
3856
Hoy, los algoritmos computacionales
pueden realizar tareas asombrosas
pueden realizar tareas asombrosas
00:17
with high accuracies, at a massive scale,
using human-like intelligence.
using human-like intelligence.
1
5160
4736
con gran precisión, a una escala enorme
y con inteligencia parecida a la humana.
y con inteligencia parecida a la humana.
00:21
And this intelligence of computers
is often referred to as AI
is often referred to as AI
2
9920
3936
Y esta inteligencia computacional
es a la que solemos llamar IA
es a la que solemos llamar IA
00:25
or artificial intelligence.
3
13880
1856
o inteligencia artificial.
00:27
AI is poised to make an incredible impact
on our lives in the future.
on our lives in the future.
4
15760
4200
La IA está preparada para tener un gran
impacto en nuestras vidas en el futuro.
impacto en nuestras vidas en el futuro.
00:32
Today, however,
we still face massive challenges
we still face massive challenges
5
20880
3936
Hoy, sin embargo, todavía
nos enfrentamos a retos enormes
nos enfrentamos a retos enormes
00:36
in detecting and diagnosing
several life-threatening illnesses,
several life-threatening illnesses,
6
24840
3496
en cuanto a la detección y el diagnóstico
de varias enfermedades terminales,
de varias enfermedades terminales,
00:40
such as infectious diseases and cancer.
7
28360
2360
como las enfermedades
contagiosas y el cáncer.
contagiosas y el cáncer.
00:44
Thousands of patients every year
8
32000
2296
Cada año, miles de pacientes
00:46
lose their lives
due to liver and oral cancer.
due to liver and oral cancer.
9
34320
2800
pierden la vida a causa
del cáncer hepático u oral.
del cáncer hepático u oral.
00:49
Our best way to help these patients
10
37880
2696
La mejor forma de ayudar a estos pacientes
00:52
is to perform early detection
and diagnoses of these diseases.
and diagnoses of these diseases.
11
40600
4320
es realizar un diagnóstico precoz
de esas enfermedades.
de esas enfermedades.
00:57
So how do we detect these diseases today,
and can artificial intelligence help?
and can artificial intelligence help?
12
45880
4160
¿Cómo las detectamos hoy y cómo
la inteligencia artificial puede ayudar?
la inteligencia artificial puede ayudar?
01:03
In patients who, unfortunately,
are suspected of these diseases,
are suspected of these diseases,
13
51920
3656
Cuando se sospecha que el paciente
tiene alguna de estas enfermedades,
tiene alguna de estas enfermedades,
01:07
an expert physician first orders
14
55600
2656
un médico especialista pide
tecnologías de escaneo muy caras
tecnologías de escaneo muy caras
01:10
very expensive
medical imaging technologies
medical imaging technologies
15
58280
2616
01:12
such as fluorescent imaging,
CTs, MRIs, to be performed.
CTs, MRIs, to be performed.
16
60920
4096
como la captación de imágenes por
fluorescencia, los TAC o las RM.
fluorescencia, los TAC o las RM.
01:17
Once those images are collected,
17
65040
2296
Una vez que se obtienen las imágenes,
01:19
another expert physician then diagnoses
those images and talks to the patient.
those images and talks to the patient.
18
67360
4520
otro médico especialista hace
el diagnóstico y habla con el paciente.
el diagnóstico y habla con el paciente.
01:24
As you can see, this is
a very resource-intensive process,
a very resource-intensive process,
19
72520
3456
Como pueden ver, es un proceso
que requiere de muchos recursos,
que requiere de muchos recursos,
01:28
requiring both expert physicians,
expensive medical imaging technologies,
expensive medical imaging technologies,
20
76000
4416
médicos especialistas
y costosos equipos
de diagnóstico por escáner,
de diagnóstico por escáner,
01:32
and is not considered practical
for the developing world.
for the developing world.
21
80440
3096
y no se considera práctico
para los países en desarrollo.
para los países en desarrollo.
01:35
And in fact, in many
industrialized nations, as well.
industrialized nations, as well.
22
83560
3360
De hecho, ni siquiera en
muchos países desarrollados.
muchos países desarrollados.
¿Podemos resolver este problema
con la inteligencia artificial?
con la inteligencia artificial?
01:39
So, can we solve this problem
using artificial intelligence?
using artificial intelligence?
23
87760
2880
01:43
Today, if I were to use traditional
artificial intelligence architectures
artificial intelligence architectures
24
91840
4056
Hoy, si fuera a utilizar arquitecturas
de inteligencia artificial tradicionales
de inteligencia artificial tradicionales
para resolver este problema,
01:47
to solve this problem,
25
95920
1216
01:49
I would require 10,000 --
26
97160
1456
necesitaría obtener 10 000...
01:50
I repeat, on an order of 10,000
of these very expensive medical images
of these very expensive medical images
27
98640
4016
Repito, cerca de 10 000 de
estos costosos aparatos médicos,
estos costosos aparatos médicos,
01:54
first to be generated.
28
102680
1376
y eso para empezar.
01:56
After that, I would then go
to an expert physician,
to an expert physician,
29
104080
2896
Luego, consultaría a un especialista,
01:59
who would then analyze
those images for me.
those images for me.
30
107000
2496
que analizaría esas imágenes.
02:01
And using those two pieces of information,
31
109520
2096
Y con esos dos datos,
puedo entrenar una red neuronal profunda
o una red de aprendizaje profundo
o una red de aprendizaje profundo
02:03
I can train a standard deep neural network
or a deep learning network
or a deep learning network
32
111640
3656
para diagnosticar a los pacientes.
02:07
to provide patient's diagnosis.
33
115320
2136
02:09
Similar to the first approach,
34
117480
1736
Parecido al primer enfoque,
los enfoques tradicionales de IA
02:11
traditional artificial
intelligence approaches
intelligence approaches
35
119240
2143
02:13
suffer from the same problem.
36
121407
1449
tienen el mismo problema.
02:14
Large amounts of data, expert physicians
and expert medical imaging technologies.
and expert medical imaging technologies.
37
122880
4560
Gran cantidad de datos, especialistas
y equipos profesionales de escaneo.
y equipos profesionales de escaneo.
02:20
So, can we invent more scalable, effective
38
128320
4296
¿Podemos entonces inventar
arquitecturas de inteligencia artificial
arquitecturas de inteligencia artificial
02:24
and more valuable artificial
intelligence architectures
intelligence architectures
39
132640
3296
más escalables, efectivas y más útiles
02:27
to solve these very important
problems facing us today?
problems facing us today?
40
135960
3056
para resolver estos problemas
a los que hoy nos enfrentamos?
a los que hoy nos enfrentamos?
02:31
And this is exactly
what my group at MIT Media Lab does.
what my group at MIT Media Lab does.
41
139040
3296
Esto es exactamente lo que hace
mi grupo en el MIT Media Labs.
mi grupo en el MIT Media Labs.
02:34
We have invented a variety
of unorthodox AI architectures
of unorthodox AI architectures
42
142360
3856
Hemos inventado una variedad de
arquitecturas de IA no convencionales
arquitecturas de IA no convencionales
02:38
to solve some of the most important
challenges facing us today
challenges facing us today
43
146240
3176
para resolver algunos de los retos
más importantes que enfrentamos hoy
más importantes que enfrentamos hoy
02:41
in medical imaging and clinical trials.
44
149440
2200
en los escáneres y estudios clínicos.
02:44
In the example I shared
with you today, we had two goals.
with you today, we had two goals.
45
152480
3056
En el ejemplo que compartí hoy
teníamos dos objetivos.
teníamos dos objetivos.
02:47
Our first goal was to reduce
the number of images
the number of images
46
155560
2976
El primero era reducir
el número de imágenes
el número de imágenes
02:50
required to train
artificial intelligence algorithms.
artificial intelligence algorithms.
47
158560
3256
necesarias para entrenar a
los algoritmos de inteligencia artificial.
los algoritmos de inteligencia artificial.
02:53
Our second goal -- we were more ambitious,
48
161840
2096
Con el segundo fuimos más ambiciosos,
02:55
we wanted to reduce the use
of expensive medical imaging technologies
of expensive medical imaging technologies
49
163960
3736
queríamos reducir el uso de
estos costosos equipos de tecnología
estos costosos equipos de tecnología
para escaner los pacientes.
02:59
to screen patients.
50
167720
1216
03:00
So how did we do it?
51
168960
1200
¿Cómo lo hicimos?
03:02
For our first goal,
52
170920
1216
Para el primer objetivo,
03:04
instead of starting
with tens and thousands
with tens and thousands
53
172160
2056
en vez de comenzar con decenas de miles
de estas costosas imágenes,
de estas costosas imágenes,
03:06
of these very expensive medical images,
like traditional AI,
like traditional AI,
54
174240
3016
como la IA tradicional,
03:09
we started with a single medical image.
55
177280
2056
comenzamos con una sola imagen médica.
03:11
From this image, my team and I
figured out a very clever way
figured out a very clever way
56
179360
3776
De esta imagen, mi equipo y yo
encontramos una manera ingeniosa
encontramos una manera ingeniosa
03:15
to extract billions
of information packets.
of information packets.
57
183160
2736
de extraer miles de millones
de paquetes de información.
de paquetes de información.
03:17
These information packets
included colors, pixels, geometry
included colors, pixels, geometry
58
185920
3696
Estos paquetes incluían
colores, píxeles, geometría
colores, píxeles, geometría
y la representación de la enfermedad
en la imagen de diagnóstico.
en la imagen de diagnóstico.
03:21
and rendering of the disease
on the medical image.
on the medical image.
59
189640
2536
03:24
In a sense, we converted one image
into billions of training data points,
into billions of training data points,
60
192200
4336
Es decir, convertimos una imagen en
miles de millones de puntos de datos,
miles de millones de puntos de datos,
reduciendo enormemente la cantidad
de datos necesarios para el entrenamiento.
de datos necesarios para el entrenamiento.
03:28
massively reducing the amount of data
needed for training.
needed for training.
61
196560
3536
03:32
For our second goal,
62
200120
1216
Para el segundo objetivo,
03:33
to reduce the use of expensive medical
imaging technologies to screen patients,
imaging technologies to screen patients,
63
201360
3856
para reducir el uso de los costosos
escáneres para examinar pacientes
escáneres para examinar pacientes
03:37
we started with a standard,
white light photograph,
white light photograph,
64
205240
2856
comenzamos con una fotografía
estándar con luz natural
estándar con luz natural
03:40
acquired either from a DSLR camera
or a mobile phone, for the patient.
or a mobile phone, for the patient.
65
208120
4336
tomada con una cámara DSLR
o con el teléfono del paciente.
o con el teléfono del paciente.
¿Recuerdan esos miles de millones
de paquetes de información?
de paquetes de información?
03:44
Then remember those
billions of information packets?
billions of information packets?
66
212480
2456
03:46
We overlaid those from
the medical image onto this image,
the medical image onto this image,
67
214960
3536
Superpusimos esos paquetes
de la imagen de diagnóstico
de la imagen de diagnóstico
sobre esta imagen,
03:50
creating something
that we call a composite image.
that we call a composite image.
68
218520
2520
creando lo que llamamos
una imagen compuesta.
una imagen compuesta.
03:53
Much to our surprise,
we only required 50 --
we only required 50 --
69
221480
3296
Para nuestra sorpresa,
solo necesitamos 50,
solo necesitamos 50,
03:56
I repeat, only 50 --
70
224800
1336
repito, solo 50
de esas imágenes compuestas para entrenar
a los algoritmos con gran eficiencia.
a los algoritmos con gran eficiencia.
03:58
of these composite images to train
our algorithms to high efficiencies.
our algorithms to high efficiencies.
71
226160
3840
Para resumir nuestro enfoque,
04:02
To summarize our approach,
72
230680
1336
04:04
instead of using 10,000
very expensive medical images,
very expensive medical images,
73
232040
3176
en lugar de utilizar 10 000
costosas imágenes de diagnóstico,
costosas imágenes de diagnóstico,
hoy podemos entrenar a los algoritmos
de IA de un modo poco ortodoxo,
de IA de un modo poco ortodoxo,
04:07
we can now train the AI algorithms
in an unorthodox way,
in an unorthodox way,
74
235240
3016
04:10
using only 50 of these high-resolution,
but standard photographs,
but standard photographs,
75
238280
4256
usando solo 50 de estas fotos
de alta definición pero estándares,
de alta definición pero estándares,
04:14
acquired from DSLR cameras
and mobile phones,
and mobile phones,
76
242560
2496
tomadas con cámaras DSLR y teléfonos,
04:17
and provide diagnosis.
77
245080
1536
y establecer un diagnóstico.
04:18
More importantly,
78
246640
1216
Más importante aun,
04:19
our algorithms can accept,
in the future and even right now,
in the future and even right now,
79
247880
3136
nuestros algoritmos pueden aceptar,
en el futuro o incluso hoy,
en el futuro o incluso hoy,
04:23
some very simple, white light
photographs from the patient,
photographs from the patient,
80
251040
2816
algunas fotos muy sencillas
y estándares del paciente,
y estándares del paciente,
04:25
instead of expensive
medical imaging technologies.
medical imaging technologies.
81
253880
2440
en lugar de los costosos equipos
de diagnósticos por escáner.
de diagnósticos por escáner.
04:29
I believe that we are poised
to enter an era
to enter an era
82
257120
3096
Creo que estamos preparados
para entrar en una nueva era
para entrar en una nueva era
04:32
where artificial intelligence
83
260240
1936
en la que la inteligencia artificial
04:34
is going to make an incredible
impact on our future.
impact on our future.
84
262200
2536
incidirá increíblemente en nuestro futuro.
04:36
And I think that thinking
about traditional AI,
about traditional AI,
85
264760
2456
Y, pensando en la IA tradicional,
04:39
which is data-rich but application-poor,
86
267240
2776
que es rica en datos pero
ineficiente en su utilización,
ineficiente en su utilización,
04:42
we should also continue thinking
87
270040
1536
deberíamos seguir pensando
04:43
about unorthodox artificial
intelligence architectures,
intelligence architectures,
88
271600
3016
en arquitecturas de IA no convencionales
que aceptan poca cantidad de datos
04:46
which can accept small amounts of data
89
274640
1936
y resuelven algunos de los problemas
más importantes de hoy en día,
más importantes de hoy en día,
04:48
and solve some of the most important
problems facing us today,
problems facing us today,
90
276600
2936
especialmente en el sector de la salud.
04:51
especially in health care.
91
279560
1256
04:52
Thank you very much.
92
280840
1216
Muchas gracias.
04:54
(Applause)
93
282080
3840
(Aplausos)
ABOUT THE SPEAKER
Pratik Shah - Medical technologistDr. Pratik Shah creates novel intersections between engineering, medical imaging, machine learning and medicine.
Why you should listen
Dr. Shah's research program at the MIT Media Lab develops scalable and low-cost diagnostics and therapeutics. His ongoing research areas at MIT include: 1) artificial intelligence and machine learning methods for detection of cancer biomarkers using standard photographs vs. expensive medical images; 2) unorthodox artificial intelligence and machine learning algorithms to design optimal and faster clinical trials and to reduce adverse effects on patients; and 3) low-cost and open source imaging devices, paper diagnostics, algorithms and mobile phones to improve public health and generate real-world data.
Clinical studies with Pratik's medical technologies have revealed "missing sick" patients, who otherwise remain undiagnosed in conventional healthcare settings. Dr. Shah's graduate and postdoctoral research contributed to the discovery of a vaccine component to prevent pneumococcal (Streptococcus pneumoniae) diseases; the identification of new pathways, technologies and metabolites as antimicrobials to target gastrointestinal infections; and a nonprofit to deploy a low-cost water quality test for the developing world.
Past recognition for Dr. Shah includes the American Society for Microbiology's Raymond W. Sarber national award, the Harvard Medical School and Massachusetts General Hospitals ECOR Fund for Medical Discovery postdoctoral fellowship, the AAAS-Lemelson Invention Ambassador Award and a TED Fellowship. Pratik has been an invited discussion leader at Gordon Research Seminars; a speaker at Cold Spring Harbor Laboratories, Gordon Research Conferences and IEEE bioengineering conferences; and a peer reviewer for leading scientific publications and funding agencies. Pratik has a BS, MS, and a PhD in Microbiology and completed fellowship training at The Broad Institute of MIT and Harvard, Massachusetts General Hospital and Harvard Medical School.
Pratik Shah | Speaker | TED.com