Científicos desarrollan una inteligencia artificial que detecta tumores con la precisión de un médico
Los científicos de la Escuela de Medicina Feinberg de la Northwestern University, en Chicago, desarrollaron a iSeg, un sistema de inteligencia artificial que detecta con exactitud los tumores pulmonares durante la respiración del paciente. Su eficacia se compara con el nivel de precisión de un médico especialista en oncología.
El estudio liderado por el Dr. Mohamed Abazeed, demuestra que la herramienta analiza imágenes en 3D en tiempo real, lo que permite localizar las zonas afectadas que a veces pasan desapercibidas durante prácticas manuales oncológicas. "El objetivo de esta tecnología es brindarles a nuestros médicos mejores herramientas", afirmó Abazeed.
¿Cómo esta inteligencia artificial detecta tumores?
El modelo de IA, basada en deep learning, fue entrenada con tomografías computarizadas de pacientes con cáncer de pulmón en varios hospitales. A partir de estos datos, el sistema aprendió a trazar contornos precisos de los tumores en movimiento, un detalle importante dado que los órganos torácicos cambian de posición durante la respiración.
iSeg es el primer algoritmo validado que segmenta tumores dinámicos en 3D con resultados consistentes, incluso en imágenes que no formaban parte del entrenamiento original. El estudio señala que el sistema identificó regiones cancerígenas que varios médicos no detectaron, áreas que están vinculadas a peores desenlaces si no reciben tratamiento oportuno.
"Al automatizar y estandarizar el contorno del tumor, nuestra herramienta de IA puede ayudar a reducir las demoras, garantizar la equidad en todos los hospitales y potencialmente identificar áreas que los médicos podrían pasar por alto, mejorando en última instancia la atención al paciente y los resultados clínicos", comentó Sagnik Sarkar, uno de los autores del estudio.
Eficacia como un médico humano
Las comparaciones entre iSeg y los oncólogos participantes revelaron que la IA igualó los niveles de precisión en la mayoría de los casos. Además, al detectar regiones no marcadas por expertos, el sistema demostró su utilidad como herramienta complementaria para fortalecer el diagnóstico clínico.
El investigador Troy Teo, coautor del estudio y docente en Northwestern, afirma que la implementación clínica podría materializarse en un par de años. Además, el equipo trabaja en ampliar el alcance de la tecnología a otros tipos de cáncer como el hepático, cerebral y de próstata, y en adaptar el modelo a otros métodos de imagen como resonancias magnéticas y tomografías PET.
"Esta tecnología puede ayudar a brindar una atención más consistente en todas las instituciones, y creemos que su implementación clínica podría ser posible dentro de un par de años", agregó Teo.