Anatomía del pulmón revelada con mayor precisión

El hiperrealismo es una corriente artística que busca imágenes con un nivel de detalle tan minucioso que incluso supera a la propia percepción visual humana. Así, los pintores consiguen obras que parecen más reales que el propio objeto, lugar o persona que retratan. Más que una copia literal, resaltan lo imperceptible: poros de la piel, reflejos en una pupila, el polvo sobre una superficie metálica o la textura exacta del humo. Es una forma de arte que exige al espectador una mirada prolongada, activa y atenta para descubrir todos los matices que el artista quiere plasmar.

Esta obsesión por la particularidad precisa, que supera incluso lo que el ojo humano es capaz de captar, tiene su eco hoy en la ciencia médica. Investigadores de la Universidad de Cádiz y del Hospital Universitario Puerta del Mar, pertenecientes al Instituto de Investigación e Innovación Biomédica de Cádiz (INiBICA), han desarrollado un modelo de inteligencia artificial que analiza radiografías torácicas con una precisión que recuerda a la mirada compulsiva del hiperrealismo. Como si de una obra de Chuck Close o Pedro Campos se tratara, el sistema no se limita a ver: descompone, analiza y reconoce, distinguiendo entre lo aparente y lo clínicamente relevante. Así, esta tecnología no solo interpreta imágenes, sino que las interroga hasta revelar lo oculto.

Equipo de investigación de la Universidad de Cádiz responsable del estudio.

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 permite hacer predicciones sobre nuevas imágenes, corregirse con la experiencia y mejorar con cada intento. 

De esta manera, el sistema, denominado Mamba-YOLOvX, se presenta como un aliado rápido y preciso para neumólogos y radiólogos en el diagnóstico de enfermedades pulmonares. En un artículo, publicado en la revista Expert Systems with Applications, los expertos lo presentan y demuestran que la localización de lesiones de diversos tamaños es más rápida y efectiva que con otras herramientas. “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 a la Fundación Descubre el investigador de la Universidad de Cádiz, Daniel Sánchez Morillo, coautor del artículo.

Los expertos han entrenado a la IA con miles de radiografías diferentes y han logrado 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 permite detectar problemas a diferentes escalas. 

APPARENZA (l’altra faccia della tecnologia), obra del pintor hiperrealista Diego Fazio.

Además, el sistema incorpora mecanismos de atención espacial y de canal, que funcionan como filtros inteligentes que se concentran 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.

Puntos clave del tórax

Para una mejora en el entrenamiento del modelo, se han empleado datos de distintos centros hospitalarios y una estrategia conocida como aumento de datos, en las que se segmentan las costillas y se alinean puntos clave del tórax para generar nuevas imágenes homogéneas desde una perspectiva anatómica. Con esto, se consigue que sea robusto, incluso ante radiografías de distintos hospitales, de diferente resolución o adquiridas con otro equipamiento. El sistema aprende mejor y funciona de forma más generalizada.

El sistema Mamba-YOLOvX se presenta como un aliado rápido y preciso para neumólogos y radiólogos en el diagnóstico de enfermedades pulmonares.

El trabajo forma parte del proyecto PEOPLE, una iniciativa centrada en el desarrollo de herramientas avanzadas de inteligencia artificial que dan soporte para mejorar el diagnóstico temprano y la predicción del pronóstico de la silicosis. Esta dolencia se produce por la inhalación de polvo de sílice cristalina, una sustancia que se genera en el trabajo con algunos materiales, como la piedra artificial. En él, los expertos han desarrollado otros modelos, empleando radiografías de tórax, biomarcadores sanguíneos e imágenes de tomografía computarizada de alta resolución. 

El objetivo es crear un enfoque integral que mejore la precisión y la rapidez en la identificación de esta patología pulmonar y operar con la misma lógica que el arte hiperrealista, detectando lo que escapa a la percepción cotidiana, revelando lo sutil y ampliando la frontera de lo visible. Tal como hace Diego Fazio al crear retratos que parecen fotografías, pero que nacen del grafito y la paciencia, la inteligencia artificial transforma los datos en conocimiento clínico útil. Superar lo visible deja de ser un acto creativo para convertirse en un gesto de esperanza y vida.

Más información en #CienciaDirecta: Desarrollan un modelo ‘inteligente’ que facilita el diagnóstico temprano de enfermedades pulmonares