Nuevo modelo de IA mejora diagnóstico de enfermedades pulmonares en Andalucía

Un equipo de investigación de la Universidad de Cádiz y del Hospital Universitario Puerta del Mar ha desarrollado un innovador modelo basado en inteligencia artificial (IA), que promete revolucionar el diagnóstico temprano de enfermedades pulmonares. Este proyecto, financiado por la Consejería de Universidad, Investigación e Innovación, se centra en mejorar la detección automática de alteraciones en radiografías de tórax, convirtiéndose en una herramienta esencial para neumólogos y radiólogos.

Las patologías pulmonares, como la silicosis, a menudo presentan síntomas sutiles en sus etapas iniciales, lo que puede llevar a diagnósticos erróneos. En el artículo titulado ‘Localization and classification of abnormalities on chest X-ray images using a Mamba-YOLOvX model’, publicado en la revista Expert Systems with Applications, los investigadores han introducido el modelo Mamba-YOLOvX, diseñado para localizar lesiones de diferentes tamaños con rapidez y precisión.

Avances tecnológicos en diagnóstico

Este modelo se fundamenta en algoritmos de aprendizaje automático que emplean redes neuronales convolucionales, imitando así el proceso visual humano. A través del análisis de miles de imágenes, el sistema aprende a identificar y diferenciar objetos. Inicialmente se entrena con ejemplos etiquetados, permitiendo que la red extraiga patrones complejos automáticamente. Esto le otorga la capacidad de realizar predicciones sobre nuevas radiografías y mejorar su rendimiento con cada intento.

Los investigadores han utilizado una amplia base de datos compuesta por diversas radiografías para entrenar este sistema. Según Daniel Sánchez Morillo, investigador de la Universidad de Cádiz y coautor del estudio, “en muchas ocasiones, algunas lesiones pulmonares pueden pasar desapercibidas en los exámenes radiológicos”, lo que subraya la importancia de contar con herramientas precisas que minimicen la subjetividad en las evaluaciones clínicas.

Características del nuevo modelo

El modelo Mamba-YOLOvX combina información global y local de las imágenes radiológicas. Esto significa que no solo considera el contexto general —como la forma de los pulmones o la posición del corazón— sino también detalles específicos que pueden indicar lesiones. Gracias a esta dualidad informativa, es capaz de detectar problemas a distintas escalas.

Además, incorpora mecanismos avanzados que actúan como filtros inteligentes para centrarse únicamente en las áreas relevantes de las radiografías. De este modo, se evita distraerse con elementos irrelevantes como costillas o hombros y se enfoca exclusivamente en aquellas zonas susceptibles a alteraciones.

Mejorando la precisión diagnóstica

Para optimizar el entrenamiento del modelo, se han utilizado datos provenientes de varios centros hospitalarios junto con una técnica conocida como aumento de datos. Esta estrategia permite segmentar costillas y alinear puntos clave del tórax para generar imágenes homogéneas desde una perspectiva anatómica. Así se asegura que el sistema sea robusto ante variaciones en las radiografías provenientes de distintos hospitales o equipos.

Este trabajo forma parte del proyecto PEOPLE, centrado en desarrollar herramientas avanzadas basadas en IA para mejorar el diagnóstico temprano y pronóstico de enfermedades como la silicosis. Esta dolencia resulta de inhalar polvo de sílice cristalina, presente en trabajos con ciertos materiales como piedra artificial. La iniciativa cuenta con la colaboración activa de más de 100 pacientes procedentes de la provincia gaditana.