Uno de los grandes desafíos dentro de la robótica es crear sistemas de inteligencia artificial (IA) capaces de realizar, con precisión, tareas que requieran motricidad fina. Esto abriría nuevas posibilidades, por ejemplo, dentro de la medicina.
En este sentido, investigadores de la Universidad de California, en Berkeley desarrollaron el algoritmo Motion2Vec, que busca conseguir que un robot sea capaz de suturar a pacientes con la precisión de un humano.
Con este objetivo, utilizaron un sistema de aprendizaje profundo semi-supervisado con el que el robot aprende mirando videos de intervenciones quirúrgicas donde se realizan suturas. Con esa información, el sistema de IA aprende a imitar los movimientos de los profesionales de la salud con el objetivo de imitarlos con precisión.
Cómo es el entrenamiento
Los desarrolladores de Motion2Vec emplearon una red neuronal siamesa (siamese neural network) que consiste en el uso de dos redes idénticas que reciben dos conjuntos de datos por separado y luego de procesarlos, los compara y muestra un resultado final.
En este sentido, por un lado el sistema recibe el video del médico haciendo las suturas y por el otro las grabaciones al robot practicando. Establece una comparación entre estos dos clips y así aprende a mejorar la precisión de sus movimientos.
Los videos que se emplean en el entrenamiento son parte la base de datos JIGSAWS, que reúne información de actividad quirúrgica para el modelado de movimiento humano. Los datos que forman parte de JIGSWAS fueron recolectados a través de una colaboración entre la Universidad Johns Hopkins (JHU) y Intuitive Surgical, Inc. (Sunnyvale, CA. ISI) dentro de un estudio aprobado por el IRB.
El conjunto de datos se capturó utilizando el Sistema Quirúrgico Da Vinci de ocho cirujanos con diferentes niveles de habilidad que realizan cinco repeticiones de tres tareas quirúrgicas elementales en un modelo de mesa: sutura, anudado y paso de aguja, que son componentes estándar de la mayoría de las operaciones quirúrgicas.
Los investigadores utilizaron 78 videos de JIGSAWS como base de datos para entrenar al robot. Como resultado de este trabajo, Motion2Vec aprendió a suturar con un 85,5% de precisión y un error promedio de 0,94 cm en la precisión a la hora de hacer los puntos de sutura.
A futuro, los investigadores dicen que buscan proporcionar información referente a la asistencia y entrenamiento en cirugías remotas.
Esta investigación se realizó en la Universidad de California en Berkeley y contó con la colaboración de investigadores de Intel y de Google.
Robots en tiempos de coronavirus
En el marco del coronavirus, se utilizaron diferentes formas de inteligencia artificial para optimizar la atención médica manteniendo el distanciamiento social.
En este sentido, se han utilizado robots enfermeros y asistentes en hospitales en Estados Unidos, China e Italia, entre otros países. Además de contribuir en la campo de la medicina, la inteligencia artificial también han hecho sus aportes en otros sentidos: se han empleado robots en Singapur, para contribuir al monitoreo del distanciamiento social; en Corea del Sur, para higienizar superficies y en países como el Reino Unido fueron utilizados para hacer delivery de comida.
La crisis generada por al expansión del coronavirus aceleró la adopción de la IA en varios ámbitos y todo hace pensar que, incluso en el mundo post pandemia, muchos de estos cambios permanecerán. No sorprenderían que estas aplicaciones tecnológicas estén cada vez más integradas a la vida diaria.
MÁS SOBRE ESTE TEMA:
Últimas Noticias
Salir de un grupo de WhatsApp en modo incógnito es posible
Apple Music lanza “Replay”, una lista de canciones preferidas cada semana
Inteligencia artificial elimina marcas de agua en fotografías
Así se puede usar un iPhone como traductor de idiomas, sin internet
Juegos de rol en TikTok: “escoge tu aventura” es el nuevo desafío
