La Consejería de Universidad, Investigación e Innovación ha financiado un proyecto de I+D desarrollado por un equipo de investigación de la Universidad de Cádiz y del Hospital Universitario Puerta del Mar. Este proyecto ha dado lugar a un modelo basado en inteligencia artificial (IA) que mejora la detección automática de posibles alteraciones en radiografías de tórax, brindando un aliado rápido y preciso para neumólogos y radiólogos en el diagnóstico de enfermedades pulmonares.
En el artículo ‘Localization and classification of abnormalities on chest X-ray images using a Mamba-YOLOvX model’, publicado en la revista Expert Systems with Applications, se presenta el nuevo modelo Mamba-YOLOvX. Este modelo, basado en algoritmos de aprendizaje automático y redes neuronales convolucionales, permite localizar lesiones de diferentes tamaños de manera rápida y efectiva.
Los expertos han entrenado a la IA con miles de radiografías, mejorando significativamente la precisión del diagnóstico en comparación con otros métodos recientes. Este modelo es especialmente efectivo en la detección de lesiones pequeñas, lo que lo convierte en una herramienta de apoyo clínico crucial para la detección temprana de enfermedades pulmonares.
El nuevo modelo combina la información global de la imagen, como la forma de los pulmones o la posición del corazón, con la información local, los pequeños detalles que pueden indicar lesiones o irregularidades. Además, incorpora mecanismos de atención espacial y de canal que se enfocan en las zonas relevantes de la radiografía, ignorando lo que no aporta información, lo que permite detectar problemas a diferentes escalas.
Para mejorar el entrenamiento del modelo, se han empleado datos de distintos centros hospitalarios y una estrategia de aumento de datos. Esto ha permitido que el modelo sea robusto y funcione de manera generalizada incluso con radiografías de distintas resoluciones o adquiridas con equipos diferentes.
Este trabajo forma parte del proyecto PEOPLE, una iniciativa que busca desarrollar herramientas avanzadas de inteligencia artificial para mejorar el diagnóstico temprano y la predicción del pronóstico de la silicosis. Con la colaboración de más de 100 pacientes de la provincia de Cádiz, se busca crear un enfoque integral que mejore la precisión y la rapidez en la identificación de esta enfermedad pulmonar.
FUENTE