El brazo de investigación de Alibaba ha abierto un modelo de inteligencia artificial que puede identificar cerca de 150 afecciones abdominales (incluidos cánceres) mediante la lectura de tomografías computarizadas (TC), el último paso en el creciente programa de inteligencia artificial médica del grupo tecnológico chino.
El modelo, llamado Damo Radar, fue desarrollado por Damo Academy, el instituto de investigación de Alibaba, y descrito en un estudio publicado el jueves en la revista Science, según el South China Morning Post. El instituto anunció el lanzamiento de código abierto el viernes. A diferencia de los sistemas comerciales cerrados, hospitales e investigadores pueden descargar, inspeccionar y adaptar un modelo de código abierto, un modelo de distribución que podría acelerar la adopción en clínicas que nunca podrían licenciar una herramienta de diagnóstico patentada. Para más contexto sobre esta historia, consulta nuestra cobertura de la industria de IA.
Un modelo generalista de imágenes médicas
Damo Radar es un modelo de visión y lenguaje diseñado para analizar tomografías computarizadas con contraste que cubren 18 órganos abdominales e identificar una amplia gama de enfermedades y otras anomalías, incluidos tumores malignos, dijo el instituto. Sus creadores lo describen como "el primer modelo de imágenes médicas generalistas de nivel experto del mundo": un sistema único destinado a leer muchos hallazgos diferentes en lugar de una herramienta limitada entrenada para detectar una enfermedad.
Esa ambición generalista lo distingue de la mayoría de los sistemas médicos de IA desplegados hasta ahora, que normalmente han sido construidos y validados para una sola tarea, como detectar un tipo de tumor. Un modelo único que abarque 146 hallazgos clínicos distintos, si se mantiene fuera del laboratorio, podría cambiar la economía de implementar IA en los departamentos de radiología, donde unir una docena de herramientas de un solo propósito ha resultado poco práctico.
El modelo fue entrenado con tomografías computarizadas combinadas con informes clínicos, un enfoque que le enseña al sistema a conectar lo que aparece en una imagen con el lenguaje que los médicos usan para describirlo. El equipo de investigación dijo que el método de entrenamiento podría eventualmente extenderse a otros tipos de imágenes médicas, según el Post.
Probado contra radiólogos en activo
Las cifras principales provienen de evaluaciones de casi 40.000 exámenes del mundo real. En 146 hallazgos clínicos, Damo Radar logró un área bajo la curva (AUC) promedio de 0,913, una medida estadística del rendimiento diagnóstico en la que 1,0 representa una precisión perfecta, informó el estudio.
La comparación con lectores humanos atraerá el mayor escrutinio. Según la investigación, en un estudio en el que participaron 26 radiólogos de varios hospitales, la precisión promedio del modelo superó la de 23 de los participantes. Y cuando los radiólogos trabajaron con la ayuda del modelo, mejoraron su capacidad para prevenir diagnósticos erróneos en un 10 por ciento y al mismo tiempo redujeron el tiempo requerido por caso en más de un 30 por ciento, dijo la Academia Damo.
En la investigación participaron varias instituciones junto con Alibaba, incluido un hospital afiliado a la Universidad de Zhejiang. La publicación en Science, una de las revistas científicas más selectivas, otorga a los resultados un nivel de investigación externa del que a menudo carecen los puntos de referencia patrocinados por los proveedores, aunque el rendimiento en el mundo real siempre depende de las exploraciones, los equipos y las poblaciones de pacientes que un hospital realmente atiende.
Por qué es importante el abastecimiento abierto
Liberar las pesas abiertamente es una opción notable para la tecnología médicamente sensible. Los proveedores propietarios suelen mantener cerrados los modelos médicos, citando regulaciones y seguridad. La versión abierta permite a investigadores independientes investigar modos de falla, permite a los hospitales ejecutar el modelo en su propia infraestructura sin enviar datos de pacientes a un proveedor externo y brinda a las instalaciones más pequeñas acceso a capacidades que de otro modo estarían reservadas para sistemas hospitalarios grandes.
También significa que Alibaba ejerce menos control sobre cómo se utiliza el modelo. La disponibilidad abierta no es aprobación clínica: los reguladores de cada jurisdicción aún decidirán si el modelo se puede implementar en los pacientes y cómo, y los hospitales deberán validarlo en sus propios equipos y poblaciones.
Una advertencia que vale la pena señalar: el South China Morning Post es propiedad de Alibaba, un hecho que el periódico revela en su propio informe. La publicación del estudio subyacente en Science proporciona una confirmación independiente de la investigación en sí, pero el encuadre del anuncio del viernes proviene inevitablemente del lado de la empresa.
El impulso más amplio de la IA médica de Alibaba
Damo Radar no es el primer paso de Alibaba hacia el diagnóstico por imágenes. Damo Academy ha pasado los últimos años desarrollando herramientas de detección de IA para ayudar a los médicos a identificar cánceres de páncreas, estómago y colorrectal, así como disecciones aórticas, según el Post. En abril, la división lanzó un modelo llamado Coca, desarrollado conjuntamente con instituciones como el Hospital General de Guangdong, que según la compañía era más sensible que los radiólogos a la hora de detectar el cáncer colorrectal en etapa temprana en las tomografías computarizadas.
La progresión desde los evaluadores de una sola enfermedad hacia un modelo generalista refleja una apuesta más amplia: que los grandes modelos de visión y lenguaje entrenados en imágenes e informes emparejados pueden absorber el trabajo de reconocimiento de patrones que actualmente requiere escaso tiempo de especialistas. La escasez de radiólogos es grave en muchos sistemas de salud y los programas de detección generan muchas más exploraciones de las que los especialistas pueden leer con la misma atención.
¿Qué viene después?
Un lanzamiento de código abierto es un comienzo, no una implementación. Los hospitales que consideren el modelo necesitarán una validación local de sus propias exploraciones, y el uso clínico dependerá de la revisión regulatoria país por país. Pero la evidencia publicada esta semana (casi 40.000 exámenes del mundo real, una comparación directa con radiólogos en activo y una reducción del 30 por ciento en el tiempo de lectura con asistencia de IA) le da a Damo Radar una base más sólida que la mayoría de los modelos que debutan como comunicados de prensa. Que los modelos de imágenes médicas generalistas se conviertan en herramientas hospitalarias estándar o sigan siendo hitos de la investigación dependerá de cómo se desempeñen en el entorno más complicado de la práctica clínica diaria.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
