Un equipo de investigadores de la Universidad de California, Los Ángeles (UCLA) ha desarrollado un innovador modelo de inteligencia artificial llamado SLIViT, capaz de analizar y diagnosticar imágenes médicas en 3D con una precisión equivalente a la de los especialistas clínicos, pero en una fracción del tiempo. Este avance promete transformar la forma en que se manejan los diagnósticos médicos basados en imágenes complejas, como resonancias magnéticas (MRI) y tomografías computarizadas (CT), y ha sido publicado en Nature Biomedical Engineering.
Un modelo adaptable a múltiples tipos de imágenes médicas
SLIViT, acrónimo de «SLice Integration by Vision Transformer», es un marco de aprendizaje profundo que sobresale en el análisis de imágenes volumétricas. A diferencia de otros modelos de IA limitados a un único tipo de imagen o a una sola patología, SLIViT ha demostrado su eficacia en diferentes modalidades de imágenes médicas, incluyendo escáneres retinianos 3D (tomografía de coherencia óptica), ecografías cardíacas, MRI para la evaluación de enfermedades hepáticas y CT para la detección de nódulos pulmonares malignos.
Este modelo representa una solución que permite diagnosticar de manera más rápida y precisa, y abre la puerta a futuras aplicaciones en una variedad de entornos clínicos.
¿Cómo funciona SLIViT?
A diferencia de los modelos tradicionales que requieren grandes cantidades de datos etiquetados por expertos clínicos, SLIViT aprovecha una innovadora combinación de redes neuronales y un enfoque de aprendizaje que emplea el conocimiento adquirido de imágenes 2D. Al hacer esto, SLIViT evita la necesidad de enormes conjuntos de datos 3D, que son más difíciles de compilar y anotar.
«Nuestro modelo aprovecha la información previa de imágenes 2D, lo que nos permite superar la limitación del tamaño del conjunto de datos para entrenar modelos 3D,» explicó Berkin Durmus, coautor del estudio y estudiante de doctorado en UCLA. «Esto hace que SLIViT sea mucho más eficiente en términos de recursos y tiempos de diagnóstico.»
Precisión clínica en tiempo récord
Uno de los mayores logros de SLIViT es que, a pesar de su enfoque genérico, supera consistentemente a los modelos específicos para enfermedades o imágenes en 3D. De hecho, SLIViT es capaz de reducir el tiempo necesario para analizar imágenes en hasta 5.000 veces en comparación con los métodos manuales, lo que representa un avance significativo en la eficiencia diagnóstica. Además, el modelo ha demostrado ser flexible y robusto, funcionando bien incluso con conjuntos de datos que no están perfectamente ordenados, un desafío común en entornos clínicos.
El profesor SriniVas R. Sadda, director de Investigación de Inteligencia Artificial e Imágenes en el Doheny Eye Institute de UCLA, destacó: «Lo que más me sorprendió de SLIViT fue su rendimiento bajo condiciones reales, especialmente con conjuntos de datos pequeños. En tareas específicas, el modelo necesita solo cientos de muestras para igualar la precisión de los especialistas clínicos.»
Impacto en el futuro de la medicina
Los investigadores de UCLA tienen grandes planes para SLIViT. Entre ellos, se encuentran la expansión de estudios a más modalidades de tratamiento y el desarrollo de capacidades de predicción de enfermedades para mejorar el diagnóstico temprano y la planificación del tratamiento. También están explorando cómo mitigar los sesgos sistemáticos en los modelos de IA, para evitar que estas tecnologías contribuyan a desigualdades en salud.
Eran Halperin, profesor de la Facultad de Medicina Computacional de UCLA, subrayó la importancia de este avance: «Incluso con recursos financieros ilimitados, siempre enfrentaremos limitaciones en los conjuntos de datos clínicos. SLIViT ofrece una solución a ese problema, permitiendo que un solo especialista pueda anotar un conjunto pequeño de datos en unos días, y luego usar el modelo para acelerar enormemente el proceso de anotación de volúmenes no etiquetados.»
Un futuro con IA autónoma
SLIViT no solo mejora la precisión y eficiencia en el diagnóstico médico, sino que también establece un nuevo estándar para los modelos de IA en el ámbito de la salud. Su capacidad para aprender y mejorar con conjuntos de datos limitados lo convierte en una herramienta esencial en el futuro de la medicina, donde se requerirá una combinación de precisión, velocidad y adaptabilidad para enfrentar los desafíos de los sistemas de salud globales.
Con la colaboración entre el equipo de UCLA y otros investigadores internacionales, SLIViT podría convertirse en la base de una nueva generación de modelos predictivos que optimicen la detección y el tratamiento de enfermedades, al tiempo que reducen las desigualdades en el acceso a diagnósticos de alta calidad.
Conclusión
SLIViT representa un gran paso hacia la integración de la inteligencia artificial en el campo médico. Su capacidad para analizar imágenes 3D con una precisión similar a la de los expertos clínicos, pero en una fracción del tiempo, promete revolucionar el diagnóstico y tratamiento de enfermedades en todo el mundo. Con su enfoque innovador y adaptable, SLIViT tiene el potencial de mejorar la eficiencia en los diagnósticos y avanzar en la investigación médica de manera significativa.
vía: UCLA Health
