Análisis de imágenes con ayuda de la IA: las métricas determinan la calidad
Una nueva herramienta en línea ayuda a seleccionar el algoritmo adecuado
¿En qué medida cumplen sus respectivas tareas los algoritmos utilizados en el análisis de imágenes médicas con ayuda de la IA? Esto depende en gran medida de las métricas utilizadas para evaluar su rendimiento. Un consorcio internacional dirigido por científicos del Centro Alemán de Investigación Oncológica (DKFZ) y el Centro Nacional de Enfermedades Tumorales (NCT) de Heidelberg ha recopilado los conocimientos disponibles en todo el mundo sobre los puntos fuertes, débiles y limitaciones específicos de las distintas métricas de validación. Con "Metrics Reloaded", los investigadores ofrecen ahora una herramienta en línea ampliamente disponible que ayuda a los usuarios a seleccionar el algoritmo más adecuado para su tarea.
Cada vez son más las áreas de la medicina que se apoyan en la inteligencia artificial (IA). Esto es especialmente cierto en el amplio abanico de cuestiones basadas en la evaluación de datos de imagen: por ejemplo, los médicos buscan en las mamografías los diminutos focos de cáncer o calculan el volumen de un tumor cerebral a partir de las imágenes tomográficas de una resonancia magnética. Utilizan imágenes endoscópicas del intestino para localizar pólipos y, al evaluar secciones de tejido microscópico, hay que detectar cambios sutiles en células individuales.
Pero, ¿son los algoritmos utilizados para estos diferentes tipos de análisis de imágenes realmente adecuados para la tarea en cuestión? Esto depende en gran medida de las variables medidas, denominadas "métricas" en términos técnicos, que registran, y de si éstas son realmente adecuadas para la tarea en cuestión.
"A menudo observamos que se utilizan métricas de validación que no son en absoluto relevantes para la tarea desde una perspectiva clínica", dice Lena Maier-Hein del DKFZ, citando un ejemplo: "Cuando se buscan metástasis en el cerebro, en un principio es más importante que el algoritmo detecte incluso las lesiones más pequeñas a que pueda definir los contornos de cada metástasis individual con gran precisión."
Lena Maier-Hein y sus colegas temen que el uso de métricas de validación inadecuadas pueda obstaculizar el progreso científico y retrasar la introducción de importantes métodos de análisis de imágenes en la práctica clínica.
Pero, ¿qué métricas son adecuadas para una determinada cuestión clínica, teniendo en cuenta todos sus puntos fuertes, débiles y limitaciones? Para averiguarlo, los científicos de datos del DKFZ utilizaron un proceso estructurado en varias fases para encuestar a líderes de opinión del mundo académico y la industria de más de 70 instituciones de investigación de todo el mundo. La encuesta les permitió recopilar información que antes sólo estaba disponible en lugares dispersos de todo el mundo.
"Con este trabajo, ponemos por primera vez a disposición de los expertos información fiable y exhaustiva sobre los problemas y escollos asociados a las métricas de validación en el análisis de imágenes", afirma Annika Reinke, una de las autoras principales.
Al tratarse de un corpus estructurado de información al que pueden acceder investigadores de todas las disciplinas, el trabajo pretende aumentar la comprensión de un problema clave en el análisis de imágenes asistido por IA. Aunque se centra en el análisis de imágenes médicas, la información también puede transferirse a otros ámbitos del análisis de imágenes.
En un segundo artículo, el consorcio de expertos dirigido por los investigadores de Heidelberg describe ahora "Metrics Reloaded": Un marco integral para ayudar a médicos y científicos a seleccionar métricas adecuadas al problema. "Metrics Reloaded" puede utilizarse como herramienta en línea. "Los usuarios son guiados a través de un amplio conjunto de preguntas para crear una huella digital precisa de su problema de análisis de imágenes. La herramienta también llama la atención sobre problemas específicos que surgen en determinadas cuestiones biomédicas", explica Paul Jäger, uno de los autores principales de las dos publicaciones
Metrics Reloaded es adecuada para todas las categorías de problemas de análisis de imágenes, es decir, para la clasificación de imágenes, la detección de objetos o la asignación de píxeles individuales (segmentación semántica). La herramienta funciona con total independencia de la fuente de la imagen, por lo que puede utilizarse tanto para imágenes de TAC o IRM como para imágenes microscópicas. Metrics Reloaded también es adecuado para análisis de imágenes más allá de las cuestiones biomédicas.
"Metrics Reloaded es la primera guía sistemática que muestra a los usuarios de análisis de imágenes basados en IA el camino hacia el algoritmo adecuado. Esperamos que Metrics Reloaded se utilice lo más ampliamente posible y lo antes posible, ya que esto podría mejorar significativamente la calidad y la fiabilidad de los resultados de los análisis de imágenes basados en IA. Esto también fomentaría la confianza en los análisis de imagen asistidos por IA en la práctica clínica habitual", afirma Minu Tizabi, uno de los autores principales.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
