Machine Learning en Odontología: 7 beneficios

Como Odontólogo he escrito  cada artículo aquí publicado bajo este: proceso editorial 

Saludos lector, aquí conocerás qué es el machine learning, y las aplicaciones que le veo para la Odontología.

Me presento a los nuevos lectores: soy el Odontólogo Luis Marcano.

Y este es otro artículo que dedico a las diferentes:

¿Qué es el Machine Learning o Aprendizaje Automático?

El machine learning es una rama de la inteligencia artificial enfocada en el diseño de algoritmos capaces de construir modelos analíticos sin previamente haber sido programados para ello.

¿cómo funciona el machine learning o aprendizaje automático? diseña estos algoritmos de manera automática y reiterativa durante la ejecución de una tarea dada.

En otras palabras, este sistema aprende de forma autónoma, o casi.

Esto lo hace, por ejemplo:

  • A través de máquinas de vectores de soporte. Correlaciona conjuntos de datos en un espacio.
  • Las reglas de asociación. Encontrar patrones y concurrencias.
  • Redes bayesianas. Pertenencen al modelo de gráfico probabilístico (detalles más específicos aquí)
  • El análisis predictivo. En base a datos etiquetados (asociados a propiedades o características)
  • Árboles de decisión. Son algortimos estadísticos que construyen un modelo predictivo de analítica de data.

Lo que Isaac Asimov hace muchos años soñaba como el futuro del mundo, hoy es el presente en desarrollo e investigación.

Y tiene una relación cercana con el big data.

Ejemplos del machine learning en la vida cotidiana

  • Asistentes personales virtuales. Los cuales puedes usar como sistemas para encontrar información, o para recordatorios de actividades pendientes.
  • Reconocimiento facial. Tales como ya lo hacen redes sociales como Facebook, la cual ha aprendido a como identificar personas en las fotos basándose en los grandes volúmenes de datos de sus usuarios conocidos, así como también lo hacen varios Smartphones.
  • Reconocimiento de Spam. El filtro de un servicio como como Gmail es capaz de aprender a partir de la información sobre como lo usas, para establecer un modelo de base de tus lecturas, y mantener tu bandeja de entradas libre de spam.
  • Refinamiento de los grandes buscadores. Tal como Google y otros como Bing (o asistentes como Siri y Alexa), habrás notado que a medida que usas sus servicios los resultados son más personalizados, gracias a un procesamiento de lenguaje natural

Las aplicaciones en el campo de la ciencia dental varían de acuerdo a las necesidades

Desde emergencias dentales, pasando por diagnósticos diferrenciales de dolor en la boca, interpretación de imagénes radiográficas, análisis del crecimiento facial en la ortodoncia, hasta la planificación de las prótesis óptimas para un paciente en particular.

The ways of using machine learning in dentistry. ME Machoy & cols

Son sistemas aún en desarrollo por varías razones:

  • Falta de evaluación de los sistemas. Necesitamos infomes de su rendimiento para optimizarlos aún más.
  • Retos en el desarrollo de la programación.
  • Costos.
  • Escepticismos en el valor y factibilidad de estos sistemas de soporte de decisiones clínicas.

Aplicaciones de machine learning en el sector salud

¿Ejemplo de Deep Learning?

La capacidad de los motores de búsqueda de hacer traducciones cada vez mejores de los textos en ellos publicados.

Algunos investigadores del Instituto de Tecnología de Massachusetts desarrollaron un sistema que usa un dispositivo portable para recoger datos respecto al uso de las cuerdas vocales

(sobre los dispositivos portables hablo en el post sobre el Internet de las cosas)

Mediante el uso del Machine Learning pueden encontrar desordenes de la voz de las personas

Así como investigadores del Carnegie Mellon University usan el machine learning para priorizar qué experimentos deberían realizar para probar nuevos medicamentos.

Según reportan esto reduce en 70% las pruebas innecesarias.

El Deep Learning también permite crear medicamentos específicamente diseñados para el genoma particular de cada individuo.

Machine Learning en Odontología
Los algortimos de machine learning diseñan formas de aprender a partir de aprendizajes previos

El constante aprendizaje del sistema lleva a un modelo de machine learning conocido como aprendizaje por refuerzo o reinforcement learning.

Como ejemplo está Alphago, primer programa de computadora en ganarle a un jugador humano en el juego Go, mejorando sus tomas de decisiones a través del reinforcement learning o aprendizaje por refuerzo

Entre otros temas relacionados a lo que lees, también publiqué sobre:

El posible uso en Odontología de los drones.

Las ventajas de la tecnología del blockhain para el manejo de datos en Odontología

Paso a mostrarte los beneficios del machine learning en la Odontología.

Así como una mejora en el flujo de trabajo en los tratamientos con prótesis dentales.

Gracias a las tecnologías de recolección de datos, tales como los escaneres intraorales.

Así como el procesamiento de esos datos por sistemas como el CAD-CAM.

¿Cómo beneficia el machine learning a la Odontología?

En la ortodoncia

En la investigación de ME Machoy & cols que cité líneas atrás nos comentan que ya han desarrollado un sistema experto que utiliza IA para diagnosticar la extracción, para tratamientos de ortodoncia, usando una red neuronal artificial (que es un tipo de machine learning)

Que ha resultado tener una precisión del 93%

Esta innovación le dará un nivel de precisión muy alto a la estrategia que decida aplicar el especialista al tratamiento.

Algoritmos que puedan analizar datos de esta manaera, son y serán de gran ayuda para proveer salud de forma más expedita y eficaz.

Y es parte de la transformación digital que la Odontología está atravesando en conjunto con todo el sector salud.

Odontología conservadora y prótesis

Otra aplicación del machine learning la encontramos en un estudio de Aliaga et al que alimentaron el machine learning con gráficos y radiografías, concluyeron:

La conclusión del estudio presentado sugiere que el sistema nos permite determinar el tipo de reconstrucción que más le conviene al paciente, con predicción de la longevidad de cada procedimiento.

El sistema se adapta a los nuevos casos que son adquiridos incorporando nuevos datos dentro del sistema de base de datos y actualizando la información a cual es usada para nuevos pronósticos.

Íbidem

Esta es una tecnología aún por transferirse para el uso clínico.

Periodoncia

Usando redes neuronales ya se han encontrado relaciones significativas entre un ambiente específico, factores individuales y de comportamiento, y la aparición de apoptosis (muerte celular) recurrentes.

Lo que es de gran importancia para monitorear a los pacientes.

Endodoncia

El machine learning también fue puesto a prueba en la especialidad de la endodoncia, al simular una evaluación clínica de la longitud de trabajo en dientes humanos en el tratamiento de conductos.

La evaluación de endodoncistas fue precisa en un 76% de los dientes.

La red neuronal encontró una posición anatómica correcta en 96% de los dientes y fue más precisa que el marcado endodóntico comparado con la presente longitud de trabajo usando un estereomicroscopio como estándar de oro después de la extracción dental.

Íbidem

También:

  • Ayuda al Odontólogo a diagnosticar enfermedades bucales y elabora informes que sugieren una estrategia de tratamiento para cada caso en particular.
  • Facilita al profesional la lectura e interpretación de las nuevas imágenes en 3D, tales como la Tomografía Computarizada.
  • Detección temprana de lesiones periapicales o caries dental, incluso antes de que lo detecte el Odontólogo.

Aunque este artículo lo dedico a la parte odontológica, también toma en cuenta que el machine learning será muy útil en diagnósticos médicos.

El machine learning en salud es muy amplio, y Odontología es una de sus tantas áreas de aplicación.

¿Qué es el Deep Learning?

El deep learning es un subconjunto del machine learning, en el cual redes neuronales artificiales aprenden de cantidades masivas de datos.

Estas redes neuronales están inspiradas por el cerebro humano.

Así como los humanos aprendemos por experiencia, los algoritmos llevan a cabo tareas repetidamente.

En el aprendizaje profundo, los algoritmos de machine learning cambian cada vez un poco la manera en como la ejecutan en cada caso.

Lo que es una búsqueda de mejorar los resultados obtenidos.

Esto lo hacen a través al encontrar patrones que permitn tomar decisiones sin intervención humana

De este modo, el machine learning y deep learning en conjunto, hacen que las máquinas logren tomar decisiones y resolver problemas usando datos diversos, no estructurados e interconectados.

Entre más los algoritmos aprenden con el Deep Learning, llegan a realizar tareas específicas.

Un ejemplo de ello es el reconocimiento de imagenes.

Capacidad que hoy día tiene cada teléfono de última generación de las respectivas marcas comerciales.

Deep Learning: Definición de Amit Karp

El Deep Learning yace en simular redes amplias y de múltiples capas de neuronas virtuales, lo cual hace a la computadora capaz de aprender a reconocer patrones abstractos.

Amit Karp. Computista

El nombre Deep (o profundo) es porque automáticamente genera múltiples capas de abstracciones de grandes cantidades de datos y usa estas abstracciones para identificar patrones.

Relación del machine learning con la Inteligencia Artificial

Resumiendo lo que vienes leyendo, el Machine Learning es una rama de la Inteligencia Artificial que se basa en que podemos darle a las máquinas acceso a datos, y que ellas aprenderán de ellos.

Lo que implica que el Machine Learning (o técnicas de aprendizaje automático) es lo que hace posible que la IA devenga cada vez más inteligente (como el caso de Alphago)

Es lo que permite mejorar cada vez más la ejecución de las tareas de los robots que funcionan con IA.

Hay dos modelos de machine learning (formas de aprendizaje):

  • Aprendizaje Supervisado. En estos casos los algoritmos de aprendizaje supervisado cuentan con la ayuda de un analista de datos que le da el feedback necesario durante la etapa de entrenamiento, para posteriormente aplicar lo aprendido a los nuevos datos.
  • Aprendizaje no supervisado. Aquí, durante el aprendizaje, las máquinas pueden tomar decisiones y elaborar predicciones por su cuenta

Y también el aprendizaje semisupervisado que está entre ambas opciones

Machine Learning en Odontología
El machine learning permite a la máquina aprender por si misma.

La propia evolución de los tipos de machine learning le permite producir modelos cada vez más precisos y obtener mejores resultados.

El machine learning en salud tiene el reto de resolver el acceso a datos que están protegidos por la confidencialidad y que debemos manejar de forma responsable

Ya para finalizar te comento que mi consulta está en Caracas.

La mejor parte viene al final de este artículo, en la sección de comentarios donde espero leerte.

Resumen

Definición

Los algoritmos de machine learning son una forma de IA que diseñan vías de aprendizaje a partir de las experiencias durante su funcionamiento, y así sean capaces de tomar mejores decisiones de forma exponencial

Ventaja en La Odontología

Análisis de inmensas cantidades de datos de tratamientos y mejora su forma y precisión.

En mi blog de odontología también encontrarás:

Referencias

  • The ways of using machine learning in dentistry. ME Machoy, L Szyszka-Sommerfeld. europepmc.org. 01 Mar 2020, 29(3):375-384
  • Machine Learning: How we can substantially improve our relationship with technology. Jayacompany.com. June, 2019.
  • ¿Qué es el machine learning? Elsevier. 22/08/2018.
  • What Is Deep Learning AI? A Simple Guide With 8 Practical Examples. Forbes. Bernard Marr. October, 2018.
  • 9 Machine Learning Examples from Day-to-Day Life. https://insights.daffodilsw.com/. June, 2017.

Odontólogo (USM), Diplomado de Odontología Estética (UCV) - Miembro General y en formación en la Academy of Biomimetic Dentistry, y en el Patreon del Dr. Rolando Nuñez.

Prótesis dentales y Estética. San Román, Caracas.

Deja un comentario