El equipo de investigación de la Universidad de Cádiz y el Hospital Universitario Puerta del Mar han desarrollado un modelo basado en inteligencia artificial (IA) que mejora la detección automática de posibles alteraciones en radiografías de tórax.
Financiado por la Consejería de Universidad, este proyecto de I+D ha permitido el desarrollo de una herramienta que se presenta como un aliado rápido y preciso para neumólogos y radiólogos en el diagnóstico de enfermedades pulmonares.
Algunas anomalías que se producen en el pulmón con patologías como la silicosis se presentan de forma sutil en sus fases iniciales, lo que puede dar lugar a interpretaciones clínicas diferentes. En el artículo ‘Localization and classification of abnormalities on chest X-ray images using a Mamba-YOLOvX model’, publicado en la revista Expert Systems with Applications, estos expertos en neumología e inteligencia artificial han evaluado un nuevo modelo, denominado Mamba-YOLOvX, que permite localizar lesiones de diversos tamaños de forma rápida y efectiva.
El modelo está basado en algoritmos de aprendizaje automático que utilizan una arquitectura conocida como redes neuronales convolucionales, que imitan el funcionamiento de la corteza visual humana. Así, el sistema aprende a reconocer y diferenciar objetos analizando miles de imágenes. Primero, se entrena con ejemplos en los que se indica qué se debe identificar y, a partir de ahí, la red extrae automáticamente patrones y características cada vez más complejas. Esto le posibilita hacer predicciones sobre nuevas imágenes, corregirse con la experiencia y mejorar con cada intento.
De esta manera, los expertos han entrenado a la IA con miles de radiografías diferentes. “En muchas ocasiones, algunas lesiones pulmonares pueden pasar desapercibidas en los exámenes radiológicos, dada la gran dificultad en la interpretación de esta modalidad de imagen médica. Incluso, cuando la enfermedad pasa de un estado inicial a otro de mayor gravedad, la evaluación por parte del experto está sujeta, a menudo, a cierta subjetividad y variabilidad”, indica el investigador de la Universidad de Cádiz, Daniel Sánchez Morillo, coautor del artículo.
Los resultados obtenidos con el modelo han supuesto una mejora en la precisión de diagnóstico con respecto a otros métodos desarrollados recientemente. “Es especialmente efectivo en el caso de lesiones pequeñas. Por eso, este sistema tiene todo el potencial para ser aplicado como herramienta de apoyo clínico en la detección precoz de lesiones pulmonares”, añade el investigador.
Cribar, diagnosticar, decidir
El nuevo modelo combina la información global de la imagen, es decir, el contexto general, como la forma de los pulmones o la posición del corazón, con la información local, los pequeños detalles que pueden indicar lesiones o irregularidades. Esto hace posible detectar problemas a diferentes escalas.
Además, el sistema incorpora mecanismos de atención espacial y de canal, que funcionan como filtros inteligentes capaces de concentrarse sólo en las zonas relevantes de la radiografía y en las características más útiles, ignorando lo que no aporta información. Así, sólo atenderá al pulmón, apartando las costillas o los hombros, y discriminará zonas sanas para centrarse sólo en aquellas que puedan presentar alteraciones.
También incluye bloques de escaneo selectivo, que analizan la imagen en distintas resoluciones y permiten identificar lesiones muy pequeñas, que suelen pasar desapercibidas. Se podría decir que parte de la imagen completa, al mismo tiempo que amplía distintas zonas de la radiografía.
