Skip to main content
Esta página se muestra mediante traducción automática. ¿Deseas ver el contenido en inglés?

Apoyo de IA a los profesionales de la medicina

Gerardo Hermosillo Valadez | Inventor del año de Siemens | Trayectoria

Las tecnologías de diagnóstico por imágenes, como las radiografías, las tomografías computarizadas y las resonancias magnéticas, han ayudado a los médicos durante décadas al proporcionarles imágenes detalladas de las estructuras óseas y tisulares del cuerpo del paciente. «Todas estas tecnologías nos proporcionan datos de imagen que solo ayudan en el diagnóstico si se pueden interpretar correctamente. Por ejemplo, alguien tiene que entender que la línea fina de la radiografía muestra que se ha roto un hueso o observar la inusual masa en la gran cantidad de datos de una resonancia magnética», afirma Gerardo Hermosillo Valadez, de Siemens Healthineers (SHS), inventor del año 2024 en la categoría de trayectoria. «Mi departamento está trabajando en procesos de IA que puedan interpretar las imágenes médicas y, por lo tanto, aliviar y apoyar al personal médico».

Interpretación de imágenes con inteligencia artificial

A man in a suit and tie is standing in front of a building with a large window.

Gerardo Hermosillo Valadez es el inventor del año 2024: su invento desarrolla la inteligencia anatómica

La gente suele ser muy buena para detectar cosas en las imágenes. Por ejemplo, a la mayoría de las personas les resultará fácil reconocer la columna vertebral en las imágenes de rayos X, incluso si las imágenes difieren mucho debido a las diferentes posturas del paciente, a los diferentes ángulos desde los que se toma la imagen, a los huesos grandes o pequeños o a las espinas sanas o deformadas. Los ordenadores solo pueden hacerlo mediante inteligencia artificial (con aprendizaje profundo) y solo si se les ha entrenado con muchas muestras adecuadas. «Así es como la inteligencia artificial puede desarrollar la inteligencia anatómica para que pueda encontrar su camino a través de las imágenes médicas y clasificar correctamente los diferentes huesos, órganos y tejidos», afirma Gerado. «De la misma manera, la IA puede aprender a diferenciar entre tejido normal y anormal».

Innovaciones que dan forma a toda la gama de productos de SHS

Hay muchas aplicaciones diferentes para el reconocimiento de imágenes mediante la IA en la vida cotidiana de los hospitales y consultorios médicos: por ejemplo, un sistema puede aprender a mostrar los datos de imagen correctos en respuesta a una instrucción como «Muestre el omóplato derecho». También puede proporcionar soporte automatizado para los exámenes radiológicos que determinan cuándo el medio de contraste inyectado ha llegado al órgano que se va a examinar y analizar los datos de las imágenes para detectar posibles cambios patogénicos. Muchas de las innovaciones que Gerardo ha estado impulsando están presentes en toda la gama de productos de SHS.

Diferentes estrategias de aprendizaje de la IA

«La inteligencia artificial es tan buena como los datos con los que se ha entrenado», recalca Gerardo. «Para reconocer los tumores en una imagen de resonancia magnética, primero debe haber aprendido de las miles de imágenes de personas sanas y enfermas que hemos puesto a su disposición». Hay tres enfoques básicos para entrenar la IA: el aprendizaje supervisado, el aprendizaje supervisado débilmente y el aprendizaje autosupervisado. En el aprendizaje supervisado, la IA recibe información precisa para cada conjunto de datos: por ejemplo, «Hay un tumor en la esquina superior derecha de la imagen». En el aprendizaje con una supervisión débil, solo se ponen unas pocas etiquetas informativas: por ejemplo, con tumor o sin tumor. En el aprendizaje autosupervisado, los datos no tienen ninguna etiqueta y la IA aprende de forma independiente: por ejemplo, ocultando partes de las imágenes de muestra existentes y «adivinando» su aspecto.

Person in black shirt standing against white wall, holding a dark object with blurred background.

Su invento da forma a toda la gama de productos Healthineers de Siemens

Serious man in black shirt with tattoo standing against white wall, partially illuminated from right side

La inteligencia artificial puede aprender a encontrar su camino a través de las imágenes médicas y a clasificarlas correctamente.

Casi tan inteligente como un atlas de anatomía

El aprendizaje supervisado es la forma más rápida y eficaz de que la IA aprenda, pero obtener datos de entrenamiento suficientes que tengan en cuenta todos los aspectos relevantes lleva mucho tiempo y es caro. El aprendizaje autosupervisado es el que más tiempo de aprendizaje requiere, pero la IA puede funcionar de forma independiente sin un caro etiquetado de datos. «Hace poco, nos hemos concentrado en las últimas técnicas de aprendizaje autosupervisado, técnicas como las que utiliza ChatGPT», afirma Gerardo. «Eso nos ha dado un impulso significativo, especialmente en el campo de la inteligencia anatómica. Nuestra IA es ahora casi tan inteligente como un atlas de anatomía. Puede distinguir entre unos 200 puntos de referencia diferentes (partes del cuerpo) y localizarlos en el material de imagen.