La Consejería de Universidad, Investigación e Innovación ha dado un importante paso en la mejora del diagnóstico de enfermedades pulmonares al financiar un innovador proyecto de investigación. Este proyecto ha sido llevado a cabo por un equipo conjunto de expertos de la Universidad de Cádiz y el Hospital Universitario Puerta del Mar, centrado en el desarrollo de un modelo basado en inteligencia artificial (IA) denominado Mamba-YOLOvX. Esta herramienta promete ser un aliado rápido y preciso para neumólogos y radiólogos en la detección automática de posibles alteraciones en radiografías de tórax.
La importancia de este avance radica en su capacidad para identificar anomalías que, como en el caso de patologías como la silicosis, pueden presentar síntomas sutiles en las etapas iniciales. Estos síntomas, difíciles de detectar, pueden dar lugar a diferentes interpretaciones clínicas. Según el estudio publicado en la revista Expert Systems with Applications, el modelo Mamba-YOLOvX permite localizar de manera eficaz lesiones de diversos tamaños mediante algoritmos de aprendizaje automático y arquitecturas de redes neuronales convolucionales. Este enfoque imita el funcionamiento de la corteza visual humana, permitiendo al sistema aprender y mejorar en la identificación de patrones y características complejas a partir de miles de imágenes.
Daniel Sánchez Morillo, investigador de la Universidad de Cádiz y coautor del artículo, subraya que las lesiones pulmonares a menudo pueden pasar desapercibidas debido a la dificultad en la interpretación de las radiografías. Los resultados obtenidos con el Mamba-YOLOvX han demostrado una mejora en la precisión del diagnóstico en comparación con métodos previos, mostrando efectividad especialmente en la detección de lesiones pequeñas.
Este nuevo modelo combina información global de la imagen, como la forma de los pulmones o la posición del corazón, con información local, permitiendo identificar anomalías a diferentes escalas. Incorpora también mecanismos de atención espacial y de canal que se centran en las áreas relevantes de la radiografía, discriminando zonas que no aportan información útil.
Para mejorar el entrenamiento del modelo, se utilizaron datos de distintos centros hospitalarios y una técnica conocida como aumento de datos, que genera nuevas imágenes homogéneas desde una perspectiva anatómica. Esto garantiza que el modelo sea robusto y funcione eficazmente, incluso ante variaciones en las radiografías de distintos hospitales.
El trabajo forma parte del proyecto PEOPLE, enfocado en desarrollar herramientas avanzadas de inteligencia artificial para mejorar el diagnóstico temprano y la predicción del pronóstico de la silicosis. Este proyecto es de vital importancia ya que la silicosis, causada por la inhalación de polvo de sílice cristalina, es una enfermedad común entre aquellos que trabajan con materiales como la piedra artificial. Con la colaboración de más de 100 pacientes de la provincia de Cádiz, los expertos están creando un enfoque integral que utiliza radiografías, biomarcadores sanguíneos e imágenes de tomografía computarizada para un diagnóstico más preciso y rápido.
Fuente: Junta de Andalucía.
