La neurooncología es una disciplina científica que en la actualidad está haciendo uso constante del machine learning.
En este estudio de revisión se hace una pesquisa por varias de las mejores y más rigurosas bases de datos del mundo, con el objetivo de entender cómo el machine learning, que es una herramienta devenida de las nuevas tecnologías de la información y la comunicación para conseguir generar algoritmos y tecnologías basadas en el aprendizaje humano para, desde los principios más básicos y elementales del condicionamiento clásico y operante, hacer una emulación primitiva y rudimentaria de los mecanismos de aprendizaje automatizados en grandes servidores computacionales que se han puesto al servicio de la mayor parte de ciencias existentes.
Esta investigación de revisión ha encontrado que el machine learning se está convirtiendo en una herramienta cada vez más usada por los expertos en neurooncología de todo el mundo, con la perspectiva de generar marcadores predictivos mucho más precisos y ambiciosos.
Conclusiones
Actualmente, la neurooncología, se encuentra usando avanzadas técnicas de machine learning, tanto en Europa Occidental como en los países más desarrollados de Asia, América y Oceanía, pues los centros médicos especializados y universidades han comprendido que, al integrar la neurooncología con los más modernos desarrollos del machine learning aplicado a las ciencias de la salud, pueden pasar a explorar redes neuronales artificiales e inteligencia artificial – IA, para aumentar significativamente la ayuda de marcadores predictivos que contribuyan a hacer evolucionar la neurooncología hacia la era de la digitalización (Cornblath, Lydon-Staley & Basseti, 2019; Staartjes, Stumpo, Kernbach, Klukowska & Regli, 2020; Stevens, 2019).
Del mismo modo, este estudio coincide con autores como Bumes, Wirtz, Fellner, Grosse & Hutierer (2020) y Villanueva-Meyer, Chang, Lupo, Hess & Kohli (2019), en que las técnicas desarrolladas de manera conjunta entre la neurooncología y el machine learning, están haciendo enormes aportes tendientes a la reconstrucción de imágenes por resonancia magnética – RM y a mejorar los estudios por submuestreo. El machine learning se ha utilizado para simular mayor o menor intensidad en estudios de campo después de la adquisición de datos emparejados, pudiendo alcanzar con ello, la generación de imágenes con superresolución, optimizando con ello, la relación entre señal y ruido de imágenes de perfusión, haciendo que se reduzca el tiempo de exploración para adquisiciones prolongadas de datos, así como de imágenes de difusión avanzadas.
Las potencialidades expresadas por las herramientas derivadas del machine learning, apenas empiezan a entenderse en los últimos cinco años, sin embargo, para el caso de Latinoamérica y para otras regiones del mundo que no se encuentran muy desarrolladas, el machine learning sigue siendo terreno exclusivo de estudio de las ingenierías, lo que deja una laguna enorme en el conocimiento, pues se están dejando pasar millares de oportunidades de conseguir mejores y más prácticos estudios que permitan dar el salto desde ciencias básicas a ciencias aplicadas para muchos campos de las ciencias de la salud y de las ciencias del comportamiento, que aún desconocen y son escépticas del enorme poderío explicativo del machine learning, por lo que se sugiere que se puedan comenzar a adoptar los desarrollos de esta técnica, no solo desde los centros especializados de investigación, sino también desde el colegio y la escuela, para que el machine learning pase a ser parte de la cultura popular y del sistema educativo desde las edades más tempranas.
Finalmente, la aplicación del machine learning, le está proporcionando a los radiólogos, un gran número de herramientas para aumentar la coherencia de sus investigaciones en ciencia clásica y les está posibilitando mejorar la productividad de sus investigaciones, hasta el punto que están consiguiendo descubrir posibilidades innovadoras de diagnóstico temprano de diferentes tipos de cáncer cerebral, evidenciando ante todas las demás disciplinas médicas, la necesidad de usar no solo el machine learning para sus estudios, sino también, valerse de los hallazgos derivados de la inteligencia artificial, el Big Data, la analítica y todo lo relacionado con las tecnologías de la información y la comunicación, pues esta apuesta, está mejorando los diagnósticos remotos, disminuyendo cada vez más el margen de error y demostrando sobradamente que, las ciencias de la salud se están integrando exitosamente a las contemporáneas disciplinas emergentes de la cultura digital.
Estudio completo: https://revistas.iudigital.edu.co/index.php/ids/article/view/43
Autores:
- Nicolás Parra Bolaños – Asociación Educar para el Desarrollo Humano.
- Juan Sebastián Benjumea Garcés – Politécnico Jaime Isaza Cadavid & Grupo de Investigación MESH-COINDEXA.
- Julián Darío Giraldo Ocampo – Agencia Nacional de Hidrocarburos & Universidad de Antioquia.
Cómo citar esta publicación: Parra-Bolaños, N., Benjumea-Garcés, J. S., & Giraldo Ocampo, J. D. (2021). Neurooncología y su relación con las herramientas de Machine Learning: Un estudio de revisión. Revista Innovación Digital Y Desarrollo Sostenible - IDS, 2(1), 34 - 42. https://doi.org/10.47185/27113760.v2n1.43