La Consejería de Universidad, Investigación e Innovación ha financiado un proyecto de I+D liderado por un equipo de investigación de la Universidad de Cádiz y el Hospital Universitario Puerta del Mar, que ha desarrollado un modelo basado en inteligencia artificial (IA) para mejorar la detección automática de posibles alteraciones en radiografías de tórax. Este modelo se presenta como una herramienta rápida y precisa para neumólogos y radiólogos en el diagnóstico de enfermedades pulmonares.
Uno de los mayores desafíos en el diagnóstico de enfermedades pulmonares es la detección temprana de anomalías sutiles, como en el caso de la silicosis, cuyas manifestaciones iniciales pueden ser difíciles de interpretar. En este contexto, un equipo de expertos en neumología e inteligencia artificial ha evaluado un nuevo modelo llamado Mamba-YOLOvX, que utiliza algoritmos de aprendizaje automático basados en redes neuronales convolucionales para localizar lesiones de diferentes tamaños de manera rápida y efectiva.
Este modelo ha demostrado una mejora significativa en la precisión del diagnóstico en comparación con otros métodos recientes, especialmente en la detección de lesiones pequeñas. Además, combina la información global de la imagen, como la forma de los pulmones o la posición del corazón, con información local detallada para detectar problemas a diferentes escalas.
El sistema incorpora mecanismos de atención espacial y de canal que se enfocan en las zonas relevantes de la radiografía, ignorando elementos que no aportan información útil. También incluye bloques de escaneo selectivo que analizan la imagen en distintas resoluciones para identificar lesiones pequeñas que suelen pasar desapercibidas.
Para mejorar el entrenamiento del modelo, se han utilizado datos de distintos centros hospitalarios y una estrategia de aumento de datos que permite generar imágenes homogéneas al alinear puntos clave del tórax. Este enfoque robusto y generalizado forma parte del proyecto PEOPLE, que busca mejorar el diagnóstico temprano y la predicción del pronóstico de la silicosis utilizando herramientas avanzadas de inteligencia artificial.
En resumen, este proyecto representa un avance significativo en la detección temprana de enfermedades pulmonares mediante el uso de inteligencia artificial, con el potencial de mejorar la precisión y la rapidez en el diagnóstico de la silicosis y otras afecciones pulmonares.
FUENTE
