Fase de Aprendizaje - Cómo las Computadoras y los Datos están Configurando el Futuro de la Salud de las Mascotas

¿Qué te viene a la mente cuando escuchas el término inteligencia artificial? Skynet dirigiendo el mundo? ¿Las computadoras reemplazando a los humanos? Se está convirtiendo en un concepto bastante conocido, con una gran cantidad de películas y novelas dedicadas a este tèrmino; pero, por supuesto, la IA ya está a entre nosotros. Lo podemos ver en el sistema de pasaporte electrónico en el aeropuerto, reconociendo sus rasgos faciales y los combina con la foto de su documento de viaje. Funciona cuando Netflix recomienda programas de TV similares a los que ya has visto. Es Alexa y Siri, además de la cámara de tu teléfono inteligente, la cual puede detectar si es una cara y qué no.

Pero, ¿qué pasa si los humanos quieren que las computadoras les den una respuesta, pero no saben cómo programarlas para ello? Aquí es donde interviene el aprendizaje automático. El aprendizaje automático es un tipo particular de IA, en el que los sistemas informáticos utilizan grandes cantidades de datos para detectar patrones que el ojo humano no ve fácilmente - al menos no sin muchas décadas de trabajo duro y análisis. En lugar de trabajar de acuerdo con las instrucciones establecidas por una persona, la computadora prueba su propio algoritmo, refinándolo y mejorándolo hasta que sea lo más preciso posible.

Te podría interesar

Confirman que varios gatos han dado positivo en el brote de gripe aviar en granjas lecheras de Estados Unidos

Encuentra la diferencia

Aquí hay una analogía. Espero que reconozcan fácilmente la imagen de un perro dálmata si te mostrara una; probablemente hayas visto algunos, ya sea en la vida real o en las películas, pero, ¿qué características reconoce tu cerebro para decirte que es un dálmata? Piel blanca con manchas negras o marrones - definitivamente. Pero hay otros perros con esas marcas que claramente no son dálmatas. Sus orejas pueden tener una forma diferente, su pelaje más largo o su cola más corta. Es posible que no se dé cuenta conscientemente, pero lo que aprendió a través de la experiencia se está juntando para que pueda distinguir entre "dálmata" y "no dálmata". Su cerebro, una compleja red neuronal, ha desarrollado un tipo de algoritmo y lo refina a través de la experiencia para llegar a una conclusión más precisa.

Sin embargo, si le mostraba a mi hija de casi 4 años una foto de un perro blanco con manchas negras, ella diría que seguramente es un dálmata. Debido a su edad, no tiene tanta experiencia en la detección de otras características que usted usaría para distinguir una raza de otra. ¡Se podría decir que su algoritmo aún no está lo suficientemente refinado! En el aprendizaje automático, las computadoras aprenden de los datos y utilizan redes neuronales artificiales para identificar patrones o relaciones entre diferentes variables para hacer predicciones o decisiones, pero con una intervención humana mínima.

Gran base de datos

El aprendizaje automático se está utilizando en la atención médica humana para el diagnóstico, el pronóstico y para tomar decisiones de tratamiento. Por ejemplo, el aprendizaje automático se ha utilizado para predecir la mortalidad de los pacientes ingresados en una Unidad de Cuidados Intensivos y calcular su posible estadía. Pero para hacer este tipo de trabajo se requiere acceso a grandes conjuntos de datos. En la salud de las mascotas, esto ha sido un verdadero desafío.

Tradicionalmente, los datos clínicos sobre mascotas han sido guardados en diferentes lugares; dentro de los hospitales veterinarios privados, proveedores de diagnóstico y registros de propietarios de mascotas. No hay una base de datos única para almacenar y comparar registros de salud, y los datos sobre mascotas individuales a menudo están incompletos debido a la falta de visitas regulares al veterinario. En Mars Petcare, tenemos una gran base de datos para cambiar todo esto; nuestro grupo de salud veterinaria tiene más de 1800 hospitales en los EE. UU. y más de 250 en todo el Reino Unido y Europa continental.

La información integrada fue recopilada de millones de mascotas mientras visitaban un hospital, se realizan pruebas y reciben tratamiento, además  ofrece una oportunidad sin precedentes para la investigación en ciencia de datos. A través de nuestro Proyecto Pet Insight, que utiliza los rastreadores de actividad Whistle FIT sincronizados con los datos del hospital Banfield, incluso estamos descubriendo cómo los patrones de comportamiento pueden indicar un posible problema de salud en una etapa temprana.

Ahora estamos poniendo esto en práctica de otra manera; aplicamos técnicas de aprendizaje automático a nuestra gran base de datos para desarrollar una prueba predictiva para las enfermedades renales crónicas de los felinos.

Convertir ideas en realidad.

Entre el 8 y el 31% de los gatos geriátricos sufren de enfermedad renal crónica (ERC), una enfermedad debilitante para la cual no se conoce una cura, y es una causa común de muerte. El diagnóstico actual de esta enfermedad compleja solo ocurre cuando el 40% del riñón está dañado. Esto hace que la intervención y el tratamiento sean desafiantes. El objetivo de cualquier terapia es reducir la tasa de daño renal adicional y, por lo general, se aborda con dietas modificadas, con niveles de proteína adaptados y con menos fósforo que los alimentos normales para gatos.

Además, ofrecemos medicamentos para reducir los efectos secundarios de la disfunción renal, como la presión alta. Pero puede ser frustrante para los veterinarios y dueños de gatos saber que han llegado al juego bastante tarde. Imagínese si los gatos que estaban en riesgo de desarrollar esta afección pudieran identificarse antes de que los riñones se hubiesen dañado tanto.

Usando el aprendizaje automático en los datos clínicos recolectados de forma rutinaria y los registros médicos veterinarios de los hospitales de Banfield, incorporando 700,000 visitas de más de 100,000 gatos en los últimos 20 años, hemos desarrollado una herramienta algorítmica novedosa que puede predecir con precisión la probabilidad de aparición de la ERC hasta 3 años antes de la aparición de los signos clínicos.

Esto les brindará la oportunidad a los veterinarios y dueños de mascotas de poder tomar medidas para intervenir mucho antes en el proceso de la enfermedad. Por supuesto, el examen físico especializado y la historia clínica que tomarán los veterinarios seguirán siendo una parte insustituible del proceso, y serán los veterinarios quienes trabajarán con sus clientes para identificar qué gatos se beneficiarían del algoritmo. Sospecho que pocos dueños de mascota quieren que su veterinario sea reemplazado por una computadora!

En Mars Petcare, esta es una forma de mejorar la vida de las mascotas que está claramente alineada con nuestro propósito: Un mundo mejor para las mascotas. Nuestra investigación en esta área está en curso y hay un verdadero sentimiento de entusiasmo sobre el potencial de este enfoque. Y para las mascotas, gracias al aprendizaje automático, su salud en el futuro se está convirtiendo rápidamente en algo que podemos predecir mejor que nunca.

Autor:  Darren Logan - Director de Investigación, WALTHAM - Mars Petcare

Fuente: All Extruded