Cómo entrenar la IA para detectar con precisión enfermedades raras
No dejan de surgir nuevos enfoques para conseguir diagnósticos cada vez más eficaces gracias al Inteligencia Artificial (IA). Uno de los más recientes es una nueva herramienta de IA que utiliza datos de imagen para detectar también enfermedades menos frecuentes del tracto gastrointestinal.
Esta herramienta ha sido desarrollado por científicos de la Universidad Ludwig Maximilian de Múnich (Múnich, Alemania). Es un modelo solo requiere datos de entrenamiento de enfermedades observadas con frecuencia para detectar de forma fiable enfermedades más raras. Este avance tiene el potencial de mejorar la precisión diagnóstica y aliviar la carga de trabajo de los patólogos en el futuro. Como se informó en el New England Journal of Medicine AI (NEJM AI), la nueva técnica se basa en la detección de anomalías.
Una de las características de este nuevo modelo es que sólo necesita datos de entrenamiento de hallazgos comunes para detectar también con fiabilidad las enfermedades menos frecuentes. Esto podría mejorar significativamente la precisión del diagnóstico y aliviar la carga de trabajo de los patólogos en el futuro.
Detección de anomalías
El modelo, indican sus autores, aprende a reconocer y marcar las desviaciones, sin tener que ser entrenado específicamente para estos casos más raros. Para su estudio, los investigadores recopilaron dos grandes conjuntos de datos de imágenes microscópicas de secciones de tejido procedentes de biopsias gastrointestinales con los diagnósticos correspondientes.
Los investigadores utilizaron un total de 17 millones de imágenes histológicas de 5.423 casos, comparando varios enfoques técnicos. De este modo, el modelo detectó con un alto grado de fiabilidad una amplia gama de patologías más raras del estómago y el colon.
Los autores concluyen que las enfermedades identificadas aún deben ser confirmadas, pero los médicos podrán ahorrar mucho tiempo.
