Los investigadores de Health Futures, el grupo de investigación médica y biotecnológica de Microsoft, han desarrollado un modelo de inteligencia artificial que identifica tumores, melanomas, infecciones en el pecho y otros problemas de salud.
Al introducirle datos de procedimientos de imagen convencionales, los profesionales de la salud pueden utilizar el modelo para detectar signos de enfermedad que de otro modo podrían pasar inadvertidos.
Por lo general, las imágenes resultantes de ecografías, tomografías computarizadas, procedimientos de resonancia magnética y otras técnicas se envían a un especialista humano, que revisa cuidadosamente cada imagen en busca de señales de alerta: grupos de células inusuales, un ligero cambio en la forma del melanoma, líquido que podría indicar una infección pulmonar, etc. Pero las señales de alerta más pequeñas corren el riesgo de pasar desapercibidas, eliminando la posibilidad de que un paciente detecte un problema de salud peligroso antes de que avance. Algunos pasos de identificación, como la identificación de un tumor y el mapeo de su forma exacta, son realizados por equipos separados. Algunos descubrimientos potenciales inevitablemente pasan desapercibidos.
El nuevo sistema, llamado BiomedParse, pretende llenar estos vacíos ayudando a los humanos a realizar los tres pasos principales del procesamiento de imágenes médicas (reconocimiento de objetos, detección y segmentación) de una sola vez. En una publicación en el blog de Microsoft, Health Futures escribe que su modelo supera al ojo humano en nueve técnicas de imágenes, y sirve con éxito como una solución de análisis "holística" para una amplia gama de especialidades.
Para crear BiomedParse, el grupo utilizó GPT-4 de OpenAI para crear un conjunto de datos centrado en los dos primeros pasos del procesamiento de imágenes médicas: reconocimiento de objetos (identificación de una anomalía) y detección (capturar exactamente qué hace que la anomalía sea preocupante dentro del contexto de su entorno). Este conjunto de datos consta de más de 6 millones de imágenes de órganos, histología y anomalías diversas y descripciones de texto que las acompañan de todo el cuerpo. Las imágenes permiten a BiomedParse detectar pequeños detalles de imágenes de TC, RMN, rayos X, ecografía, patología, fondo de ojo (parte posterior del ojo), dermatoscopia, endoscopia y OCT (ondas de luz).
Los profesionales médicos utilizan BiomedParse alimentándolo con una serie de imágenes (por ejemplo, diapositivas patológicas del hígado de un paciente) y proporcionando un mensaje de texto simple, según informara la web especializada ExtremeTech.
Luego, el modelo compara las diapositivas con imágenes de entrenamiento asociadas con la enfermedad especificada en el mensaje de texto. Si el modelo encuentra signos de esa enfermedad, lo indicará; si no, rechazará el mensaje del usuario por no ser válido.
Health Futures afirma que BiomedParse ha identificado con éxito melanomas, quistes, infecciones de pecho por COVID-19 y tumores en todo el cuerpo. No está claro si el grupo planea comercializar o continuar iterando sobre la tecnología. Mientras tanto, otros modelos de IA están ayudando a los profesionales médicos a detectar y predecir el cáncer de páncreas, el cáncer de pulmón, el cáncer de mama y otras afecciones furtivas y potencialmente mortales.