Modelo de IA identifica signos de enfermedad más rápido y preciso que los humanos

Tradicionalmente, los investigadores y los profesionales médicos identifican patologías o signos de enfermedades examinando y anotando meticulosamente muestras de tejido bajo un microscopio, un proceso que puede llevar horas para cada portaobjetos o imagen. Ahora, un modelo de inteligencia artificial (IA) de "aprendizaje profundo" puede identificar patologías en imágenes de tejidos animales y humanos mucho más rápidamente y, en muchos casos, con mayor precisión que los humanos. Este desarrollo, descrito en Scientific Reports, podría acelerar significativamente la investigación relacionada con las enfermedades y promete mejorar los diagnósticos médicos, como la identificación del cáncer a partir de imágenes de biopsia en solo minutos.

Para crear el modelo de IA, los científicos informáticos de la Universidad Estatal de Washington (Pullman, WA, EUA) lo entrenaron utilizando imágenes de estudios epigenéticos previos realizados por su equipo. Estos estudios se centraron en marcadores de enfermedades a nivel molecular en tejidos de ratas y ratones, incluidos tejidos de riñón, testículos, ovarios y próstata. Luego, los investigadores probaron la IA en imágenes de estudios adicionales, incluidos los que identificaban cáncer de mama y metástasis de ganglios linfáticos. Descubrieron que el nuevo modelo de IA no solo identificaba patologías rápidamente, sino que también lo hacía más rápido que los modelos anteriores y, en algunos casos, detectaba instancias que un equipo humano entrenado había pasado por alto.

En la investigación epigenética, que examina los cambios en los procesos moleculares que influyen en la actividad genética sin alterar el ADN en sí, el análisis puede llevar años para estudios a gran escala. Sin embargo, con el nuevo modelo de IA, los mismos datos se pueden procesar en apenas unas semanas. El aprendizaje profundo es un enfoque avanzado de IA diseñado para replicar el cerebro humano, superando los métodos tradicionales de aprendizaje automático. Este modelo está estructurado con una red de neuronas y sinapsis. Cuando el modelo comete un error, "aprende" de él mediante retropropagación, una técnica que ajusta la red para corregir el error, evitando que vuelva a ocurrir.

El equipo de investigación desarrolló el modelo de aprendizaje profundo de la WSU para procesar imágenes de alta resolución de gigapíxeles que contienen miles de millones de píxeles. Para manejar los grandes tamaños de archivo, que pueden ralentizar incluso las computadoras más potentes, el modelo analiza mosaicos más pequeños de la imagen mientras mantiene su contexto dentro de secciones más grandes a menor resolución, similar a hacer zoom con un microscopio. Este modelo ya ha llamado la atención de otros investigadores, con su potencial para hacer avanzar tanto la investigación como el diagnóstico, especialmente en áreas como el cáncer y las enfermedades relacionadas con los genes. Al usar imágenes anotadas, como las que identifican el cáncer en muestras de tejido, los investigadores podrían entrenar al modelo de IA para realizar tareas similares en entornos médicos.

“Este programa de aprendizaje profundo basado en inteligencia artificial fue muy, muy preciso al analizar estos tejidos”, dijo Michael Skinner, biólogo de la WSU y coautor del artículo. “Podría revolucionar este tipo de medicina tanto para animales como para humanos, esencialmente facilitando mejor este tipo de análisis”.

Visitar la expo >

Miembro Oro

TORCH Panel Rapid Test

Rapid TORCH Panel Test

Miembro Oro

ANALIZADOR DE VIABILIDAD/DENSIDAD CELULAR AUTOMATIZADO

BioProfile FAST CDV

New

Urine Drug Test

Instant-view Buprenorphine Urine Drug Test

New

C. difficile Positive Control

C. difficile Ag Positive Control for Rapid Test