Skip to main content
Para mostrar esta página se usa traducción automática. ¿Ver en inglés en su lugar?
Hombre serio con camisa negra con tatuaje en el brazo izquierdo, de pie contra una pared blanca, manos en los bolsillos, mirando hacia adelante.

Soporte de IA para profesionales médicos

Gerardo Hermosillo Valadez | Inventores del Año de Siemens | Logro de por vida

Las tecnologías de imágenes como rayos X, tomografías computarizadas y resonancias magnéticas han estado ayudando a los médicos durante décadas al brindarles imágenes detalladas de huesos y estructuras de tejidos dentro del cuerpo del paciente. “Todas estas tecnologías nos proporcionan datos de imagen que solo son útiles con un diagnóstico si se pueden interpretar correctamente. Por ejemplo, alguien tiene que entender que la línea fina en la imagen de rayos X muestra que un hueso está roto, o notar la masa inusual en la gran cantidad de datos de una resonancia magnética”, dice Gerardo Hermosillo Valadez de Siemens Healthineers (SHS), Inventor del Año 2024 en la categoría Logro de por vida. “Mi departamento está trabajando en procesos de IA que pueden interpretar 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 Inventor del Año 2024: Su invento desarrolla la inteligencia anatómica

La gente suele ser muy buena para detectar cosas en 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, diferentes ángulos desde los que se toma la imagen, huesos grandes o pequeños, o espinas sanas frente a deformadas. Las computadoras solo pueden hacer esto usando inteligencia artificial, con aprendizaje profundo, y solo si han sido entrenadas con muchas muestras apropiadas. “Así es como la inteligencia artificial puede desarrollar la inteligencia anatómica para que pueda encontrar su camino a través de imágenes médicas y categorizar correctamente los diferentes huesos, órganos y tejidos”, dice 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 SHS

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

Diferentes estrategias de aprendizaje de IA

“La inteligencia artificial es tan buena como los datos con los que se ha entrenado”, enfatiza Gerardo. “Para reconocer tumores en una imagen de resonancia magnética, primero debe haber aprendido de miles de imágenes de personas sanas y enfermas que hemos puesto a su disposición”. Hay tres enfoques básicos para el entrenamiento de IA: aprendizaje supervisado, aprendizaje débilmente supervisado y 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 débilmente supervisado, solo se dan algunas etiquetas informativas: por ejemplo, tumor o ningún tumor. En el aprendizaje autosupervisado, los datos no tienen ninguna etiqueta y la IA aprende de forma independiente: por ejemplo, ocultando partes de imágenes de muestra existentes y “adivinando” cómo se ven.

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 de Siemens Healthineers

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 imágenes médicas y categorizarlas correctamente.

Casi tan inteligente como un atlas de anatomía

El aprendizaje supervisado es la forma más rápida y eficiente para que la IA aprenda, pero requiere mucho tiempo y es costoso obtener suficientes datos de capacitación que tengan en cuenta todos los aspectos relevantes. El aprendizaje autosupervisado requiere la mayor cantidad de tiempo de aprendizaje, pero la IA puede funcionar de forma independiente sin el costoso etiquetado de datos. “Recientemente, nos hemos estado concentrando en las últimas técnicas de aprendizaje autosupervisado, técnicas como las utilizadas por ChatGPT”, dice Gerardo. “Eso nos ha dado un impulso significativo, especialmente en el campo de la inteligencia anatomica. Nuestra IA ahora es casi tan inteligente como un atlas de anatomía. Puede distinguir entre aproximadamente 200 puntos de referencia diferentes (partes del cuerpo) y ubicarlos en el material de imagen.