Una innovadora herramienta de inteligencia artificial (IA) está revolucionando el entrenamiento de software de imágenes médicas, permitiendo a médicos e investigadores completar tareas de entrenamiento de manera fácil y económica, incluso con solo un pequeño conjunto de datos de escaneos de pacientes. Esta herramienta transforma el proceso de segmentación de imágenes médicas, cuyo objetivo es etiquetar cada píxel de una imagen según su significado, como distinguir tejido canceroso del tejido sano. Tradicionalmente, esta tarea dependía de expertos altamente capacitados. Aunque el aprendizaje profundo ha mostrado potencial para la automatización, requiere urgentemente grandes cantidades de datos de imágenes anotadas píxel por píxel.
La Dra. Li Zhang de la Universidad de California en San Diego y su equipo de investigación desarrollaron esta nueva herramienta de IA para abordar este desafío. La profesora Zhang señala: "El aprendizaje profundo requiere enormes volúmenes de datos, pero en muchos contextos médicos, esos conjuntos de datos simplemente no existen". La nueva herramienta puede aprender a segmentar imágenes con solo una pequeña cantidad de muestras anotadas por expertos, reduciendo la necesidad de datos hasta en 20 veces, lo que ofrece un medio de diagnóstico más rápido y económico para hospitales y clínicas con recursos limitados.
La investigación, publicada en la revista Nature Communications, ha demostrado la eficacia de esta herramienta de IA en diversas tareas de segmentación de imágenes médicas, incluyendo la identificación de lesiones cutáneas, cáncer de mama, vasos placentarios, pólipos de colon y úlceras en los pies. También puede procesar imágenes en 3D, como las del hipocampo o el hígado. En entornos con escasez de datos, la herramienta supera a los métodos existentes en un 10% a 20%, requiere de 8 a 20 veces menos datos de entrenamiento del mundo real y, a menudo, ofrece un rendimiento superior.
La profesora Zhang utiliza el ejemplo del diagnóstico dermatológico para ilustrar cómo esta herramienta puede ayudar a los médicos. Tradicionalmente, un experto necesitaría anotar miles de imágenes, mientras que la nueva herramienta requiere solo 40 imágenes para identificar lesiones sospechosas en imágenes dermatoscópicas en tiempo real. "Ayuda a los médicos a realizar diagnósticos más rápido y con mayor precisión", afirma la profesora Zhang. El sistema funciona en etapas, ampliando un pequeño conjunto de datos mediante la generación de máscaras de imágenes sintéticas y utilizando un ciclo de retroalimentación para optimizar la generación de imágenes, asegurando que los datos sintéticos sean realistas y mejoren la capacidad de segmentación del modelo.
