En el campo de la medicina, el análisis de datos de imágenes siempre ha sido un proceso complejo y laborioso. Recientemente, investigadores de la Escuela de Medicina Weill Cornell desarrollaron un nuevo sistema de inteligencia artificial llamado LILAC (Inferencia de Cambios de Imágenes Longitudinales basada en Aprendizaje), capaz de analizar y detectar de manera eficiente y precisa los cambios en las imágenes médicas a lo largo del tiempo. Esta investigación, publicada el 20 de febrero en las Actas de la Academia Nacional de Ciencias de los Estados Unidos, muestra el amplio potencial de aplicación de LILAC en múltiples escenarios médicos.
Los métodos tradicionales de análisis de imágenes médicas a menudo requieren una gran cantidad de personalización y preprocesamiento. Por ejemplo, con los datos de resonancia magnética nuclear (RMN) del cerebro, los investigadores suelen dedicar mucho tiempo a ajustar y corregir las imágenes para concentrarse en un área específica, incluso eliminando las diferencias de ángulo y tamaño. El sistema LILAC simplifica enormemente este proceso, automatizando estos complejos pasos de preprocesamiento, lo que permite a los investigadores analizar más fácilmente secuencias de imágenes a largo plazo.
Nota de la fuente: La imagen fue generada por IA, con licencia de Midjourney.
La flexibilidad de LILAC se refleja en su capacidad de adaptación a diversos tipos de imágenes médicas. El equipo de investigación entrenó a LILAC con cientos de conjuntos de imágenes microscópicas de embriones de fertilización in vitro, probando su capacidad para determinar el orden temporal en pares de imágenes aleatorias. Los resultados mostraron que LILAC alcanzó una precisión del 99%. En otros experimentos, el sistema detectó con éxito las diferencias en la cicatrización de heridas y los cambios en el cerebro de personas mayores, y pudo predecir con precisión las puntuaciones cognitivas.
El Dr. Hee-Jong Kim, diseñador principal de la investigación, afirma que el objetivo de LILAC es brindar apoyo en situaciones donde el proceso de investigación no se comprende completamente, especialmente cuando existe una gran variabilidad entre individuos. Esta tecnología no solo es aplicable a los datos de imágenes actuales, sino que también puede adaptarse flexiblemente a cambios futuros desconocidos.
Actualmente, el equipo de investigación planea aplicar LILAC en escenarios clínicos del mundo real, especialmente para predecir la respuesta al tratamiento en pacientes con cáncer de próstata mediante exploraciones de RMN. El lanzamiento de este sistema innovador sin duda ofrece nuevas esperanzas y posibilidades para el análisis de imágenes médicas.
