Si hay algo en lo que la IA es realmente buena, es en detectar patrones. Ya sea que se trate de datos escritos, audio o imágenes, la IA se puede entrenar para identificar patrones, y una aplicación particularmente interesante es usarla para identificar anomalías en imágenes médicas. Esto ya se ha probado en algunos campos de la imaginería médica con resultados prometedores.
Sin embargo, la IA también puede ser muy fácil de engañar, especialmente con datos de la vida real. En el nuevo estudio, los investigadores del grupo del profesor Dmitry Dylov en Skoltech presentaron un nuevo método a través del cual la IA puede detectar anomalías. El método, dicen, es mejor que los existentes y puede detectar anomalías apenas visibles.
“Las anomalías apenas visibles en las radiografías de tórax o las metástasis en los ganglios linfáticos en los escáneres de los portaobjetos de patología se asemejan a imágenes normales y son muy difíciles de detectar. Para abordar este problema, presentamos un nuevo y poderoso método de detección de anomalías en la imagen”.
El enfoque propuesto sugiere esencialmente una nueva línea de base para la detección de anomalías en las tareas de análisis de imágenes médicas. Es bueno para detectar anomalías que representan anomalías médicas, así como problemas asociados con equipos médicos.
“Una anomalía es cualquier cosa que no pertenece a la clase dominante de datos” normales”, dijo Dylov a ZME Science. “Si algo inusual está presente en el campo de visión de un dispositivo médico, el algoritmo lo detectará. Los ejemplos incluyen tanto artefactos de imagen (p. Ej., Suciedad en el portaobjetos del microscopio) como anomalías patológicas reales en ciertas áreas de las imágenes (p. Ej., Células cancerosas que difieren en forma y tamaño de las células normales). En el ámbito clínico, es valioso detectar estos dos ejemplos”.
La mejora máxima observada en comparación con el entrenamiento de IA convencional fue del 10%, dice Dylov, y, de manera emocionante, el método ya es lo suficientemente maduro como para implementarse en el mundo real.
“Con nuestro algoritmo, los médicos pueden distinguir inmediatamente las imágenes de artefactos de las normales. También recibirán una recomendación de que una determinada imagen o parte de una imagen se ve diferente al resto de las imágenes del conjunto de datos. Esto es especialmente valioso cuando los expertos deben revisar manualmente grandes lotes de datos”, explicó Dylov en un correo electrónico.
La aplicación principal de este enfoque es aliviar la carga de trabajo de los expertos que analizan imágenes médicas y ayudarlos a enfocarse en las imágenes más importantes en lugar de revisar manualmente todo el conjunto de datos. Cuanto más se mejore este tipo de enfoque, más podrá ayudar la IA a los médicos a aprovechar al máximo su tiempo y mejorar los resultados de los análisis de imágenes médicas.
El estudio fue publicado en la revista IEEE (Instituto de Ingenieros Eléctricos y Electrónicos).
Fuente: ZME Science.
