3 aplicaciones médicas de la IA en las que trabajan estudiantes Tec

Fueron presentadas por estudiantes de posgrado del Tec Guadalajara aplicaciones de inteligencia artificial (IA) que buscan crear herramientas tecnológicas y auxiliares en problemáticas médicas como identificación de cálculos renales, corrección de endoscopías o detección de cáncer cérvico uterino.

Esto, como parte del 37mo. IEEE International Symposium on Computer-Based Medical Systems (IEEE CBMS 2024), que tuvo lugar en el Tec Guadalajara y en el que participaron académicos y estudiantes de posgrado de América, Europa y Asia.

Se trató de un congreso internacional, avalado por el Instituto de Ingenieros Eléctricos y Electrónicos (IEEE, por sus siglas en inglés), sobre aplicaciones de la IA a la medicina y tuvo como asistentes a 70 especialistas en forma presencial y 50 en modo virtual, así como representantes de empresas de equipo médico.

15 proyectos de estudiantes de posgrado del Tec Guadalajara fueron mostrados individualmente, mediante ponencias donde se presentan aplicaciones a casos reales, luego de concursar entre 100 propuestas y ser avalados por el comité organizador interinstitucional.

3 de ellos obtuvieron en el congreso el reconocimiento: Best Student Papers (mejores proyectos presentados por estudiantes), además de ser publicados en la plataforma: IEEEXplore.

IA avanzada y visión por computadora

En el Tec de Monterrey existe un grupo de investigación llamado “Advanced AI” (IA avanzada) y de ahí se desprende el laboratorio: CV-INSIDE: Computer Vision for Image Analysis & Biomedical Engineering (dirigido por el profesor Gilberto Ochoa Ruiz), al cual pertenecen los proyectos presentados por estudiantes Tec en el congreso.

Estas son las 3 propuestas en las que trabajan y reconocidas en el encuentro, que presentaron como charlas de trabajo científico:

1. Imágenes de endoscopia para detectar cálculos renales

Rubén González Pérez, recién egresado de maestría en ciencias computacionales y Francisco Javier López, alumno de doctorado en Ciencias de la Computación, trabajan en el proyecto: Evaluating the plausibility of synthetic images for improving automated endoscopic stone recognition.

Desarrollan imágenes de endoscopia para la identificación y clasificación automática de cálculos renales. Rubén describió que las técnicas actuales son un proceso demasiado largo y requiere de expertos, por lo que no es fácil de realizar.

“Buscamos automatizar el proceso utilizando modelos de Deep Learning. El detalle es que hay muchos datos… No tenemos muchas imágenes para entrenar estos modelos”, dijo.

“Buscamos automatizar el proceso utilizando modelos de Deep Learning".- Rubén González.

Y para resolverlo usaron modelos de IA generativos “para crear nuevas imágenes con características similares a las originales, lo que nos permite obtener un data set mucho más grande”, afirmó.

“También nos permite crear mayor diversidad e hicimos una comparativa para evaluar qué tan efectivas son estas imágenes artificiales comparadas con las reales”, comentó Fernando.

“Lo que hicimos fue generar imágenes sintéticas que tuvieran las mismas propiedades, formas, textura o color para entrenar estos modelos de Deep Learning”, precisó. Así, se podrán identificar los diferentes tipos. Continuarán con el análisis cuantitativo con fórmulas matemáticas y la evaluación de las imágenes para pasar después a la etapa de habilitación clínica.

2. Clasificación de imágenes de endoscopías

Ricardo Abel Espinoza, alumno de maestría en Ciencias de la Computación y Javier Eluney Hernadéz trabajan en: “Color-aware Exposure Correction for Endoscopic Imaging using a Lightweight Vision Transformer”.

Es una reconstrucción 3D del colon, para generar imágenes en 3 dimensiones, con las cual el médico detecte con el tiempo ciertas enfermedades como pólipos, sangrados, malformaciones.

“Es un modelo basado en IA, que permite disminuir estos 2 problemas: la subexposición y sobreexposición de luz; mejora la calidad de las imágenes para que el médico o cualquier otra herramienta basada en IA pueda tener un mejor diagnóstico”, detalló Ricardo.

“Decidimos utilizar un transformador ligero para hacer esta adaptación de luz en cada una de las imágenes. Los métodos de mejoramiento de imagen tienen que ser muy rápidos, casi casi que en tiempo real”, abundó el profesor del Tec, Gilberto Ochoa.

Otro reto, y por ello el nombre del proyecto, es que algunos métodos basados en IA para mejorar imágenes eliminan la sobreexposición o la sobreexposición, pero pierden de vista el color. “Logramos generar este método el cual también preserva el color de imagen a imagen”, puntualizó el académico.

3. Detección de cáncer cérvico uterino

Orlando Ortiz y Alejandro Gonzalez, de la maestría y doctorado en ciencias computacionales, elaboran el proyecto “Evaluating DenseNet121 Neural Network Performance for Cervical Pathology Classification”, para implementar técnicas más exactas en el diagnóstico de patología cervical.

Los métodos tradicionales dependen en gran medida de análisis humano de imágenes cervicales y tienen limitaciones o variaciones en la interpretación de los especialistas.

Emplean imágenes del International Agency for Research on Cancer (IARC) para entrenar su modelo, y posteriormente, realizaron pruebas con base de datos del Hospital Zambrano Hellion, de Tec Salud, para evaluar la efectividad en el ámbito clínico real.

Sus resultados parciales indican mejoras prometedoras en la efectividad del diagnóstico, lo que sugiere más confiabilidad en comparación con los métodos actuales de escaneo o diagnosis de cáncer cérvico uterino.

Intercambio de ideas y tecnologías

El IEEE CBMS 2024 permitió el intercambio de ideas y tecnologías entre académicos y científicos enfocados en la industria médica.

El programa consistió en ponencias y contribuciones técnicas revisadas y seleccionas por un comité internacional (en éstas últimas participaron los estudiantes del campus Guadalajara).

Gilberto Ochoa, profesor investigador de la Escuela de Ingeniería de Ciencias (EIC) del Tec y del grupo de IA avanzada, explicó que este encuentro “es un congreso en el cual se presentan trabajos científicos”.  

Resaltó a su vez que esto permite que cada años se reúnan investigadores y estudiantes a nivel internacional para hablar de temas de salud y sobre todo la combinación con el uso de computadoras. Cubre temas como:

• Radiómica o health care
• Sistemas de visión
• IA para la salud
• Realidad virtual, entre otros.

“Se conjuntan las disciplinas en las cuales hay esta combinación de salud y computación: procesamiento de señales, de imágenes, interfaces web, diseño de dispositivos, búsqueda de nuevos medicamentos a través de algoritmos”, añadió el investigador.

“Se conjuntan las disciplinas en las cuales hay esta combinación de salud y computación".- Gilberto Ochoa.

Desarrollo tecnológico

Los proyectos seleccionados para las charlas fueron previamente enviados a un comité externo mexicano, donde se incluyó a representantes de la sociedad mexicana de IA, la red temática CONAHCYT de inteligencia computacional aplicada, la Asociación Mexicana de Computación y la Asociación Mexicana de Ciencias, para que hicieran una revisión y una segunda valoración.

Los 3 proyectos de estudiantes de posgrado del Tec están aún en proceso de desarrollo y en etapa de maduración. Cada uno de ellos tardará entre 18 meses y 2 años más de labores para concluir.

El congreso fue organizado por un equipo de investigadores del Tec de Monterrey, en conjunto con expertos del rubro provenientes de todo el mundo.

El 38vo. IEEE International Symposium on Computer-Based Medical Systems (IEEE CBMS 2025) será en Madrid, España.

LEE TAMBIÉN:

LEE TAMBIÉN: