Hoxe en día, os algoritmos informáticos realizan tarefas incribles con gran precisión e a enorme escala, amosando intelixencia similar á nosa. A esta intelixencia informática chámaselle a miúdo IA, é dicir, intelixencia artificial. A IA está lista para ter no futuro un impacto incrible nas nosas vidas. Con todo, hoxe aínda temos que enfrontarnos a enormes desafíos para detectar e diagnosticar varias enfermidades potencialmente mortais, como as infecciosas ou o cancro. Cada ano miles de pacientes perden a vida a causa do cancro de fígado ou de boca. O mellor modo de axudar a estes pacientes é detectar e diagnosticar a enfermidade en fases temperás. Como detectamos hoxe estas enfermidades? Pode axudar a intelixencia artificial? Cando se sospeita que, por desgraza, un paciente padece unha destas doenzas, un médico experto comeza por pedir probas carísimas baseadas en tecnoloxías de imaxe, como a microscopia de fluorescencia, a tomografía ou a resonancia magnética. Unha vez obtidas esas imaxes, outro experto fai un diagnóstico e fala co paciente. Como vedes, é un proceso que consome moitos recursos, ao requirir médicos expertos e custosas tecnoloxías médicas de imaxe, e non se considera práctico nos países en vías de desenvolvemento. De feito, tampouco en moitas nacións industrializadas. Pódese resolver o problema coa axuda da intelixencia artificial? Se hoxe usásemos arquitecturas de intelixencia artificial tradicionais para resolver este problema, faría falla xerar 10.000, repito, arredor de 10.000 destas imaxes médicas carísimas, como primeiro paso. Logo acudiría a un médico experto, que analizaría esas imaxes para min. E con esas dúas fontes de datos, podo adestrar unha rede neural estándar ou unha rede de aprendizaxe profunda para que faga o diagnóstico. Ao igual que no primeiro método, partir da intelixencia artificial tradicional presenta o mesmo problema. Moitísimos datos, médicos expertos e tecnoloxías de imaxe especializadas. É posible inventar arquitecturas de intelixencia artificial ampliables, máis eficientes e máis útiles para resolver estes importantes problemas que temos hoxe? Isto é precisamente o que fai o meu grupo no Media Lab do MIT. Levamos inventadas varias arquitecturas de IA pouco convencionais para resolver algúns dos desafíos actuais máis importantes no campo da imaxe médica e as probas clínicas. No caso que veño de describirvos tiñamos dous obxectivos. O primeiro era reducir o número de imaxes que cómpren para adestrar algoritmos de intelixencia artificial. O segundo era máis ambicioso. Queríamos reducir o uso de custosas tecnoloxías de imaxe médica na detección de enfermidades. Como o fixemos? Para o primeiro fin, no canto de comezar con decenas de miles desas carísimas imaxes médicas, como na IA tradicional, empezamos con só unha. A partir desta imaxe, o meu equipo atopou un modo moi enxeñoso de extraer miles de millóns de paquetes de datos. Estes paquetes contiñan cores, píxels, xeometría e representación da doenza na imaxe médica. En certo sentido, convertemos unha imaxe en miles de millóns de observacións e reducimos moito a cantidade de datos necesaria para adestrar o sistema. Para o segundo obxectivo, reducir o uso de custosas tecnoloxías de imaxe para detectar enfermidades, comezamos cunha foto estándar iluminada con luz branca, tomada cunha cámara réflex dixital ou cun móbil. Entón, lembrades os miles de millóns de paquetes de datos? Superpuxemos ese datos obtidos da imaxe médica sobre estoutra imaxe, creando así o que chamamos unha imaxe composta. Para a nosa sorpresa, fixeron falla só 50, insisto, só 50, desas imaxes compostas para adestrar algoritmos ata taxas altas de eficiencia. Para resumir o noso enfoque, no canto de empregar 10.000 imaxes médicas carísimas, agora podemos adestrar os algoritmos de modo pouco convencional, usando só 50 destas fotografías, de alta resolución pero estándares, tomadas con réflex dixitais ou teléfonos móbiles, e obter un diagnóstico. E o que é máis importante, os nosos algoritmos admiten, no futuro e xa agora mesmo, fotografías sinxelas, de luz branca, feitas polo paciente, no canto de tecnoloxías de imaxe médica moi custosas. Penso que estamos xa listos para entrar nunha era na que a intelixencia artificial vai ter un impacto incrible no noso futuro. E en relación coa IA tradicional, potente no manexo de datos pero moi débil nas aplicacións, deberíamos seguir pensando tamén en arquitecturas de intelixencia artificial pouco convencionais que poden traballar con poucos datos para resolver algúns dos maiores problemas que temos hoxe, sobre todo en sanidade. Moitas grazas. (Aplausos)