Investigadores de la UEx diseñan una herramienta de Inteligencia Artificial capaz de detectar melanomas con un 89% de precisión

Investigadores del laboratorio SPILab del grupo Quercus de Ingeniería de Software de la Universidad de Extremadura (UEx) han desarrollado una herramienta de inteligencia artificial capaz de detectar melanomas a partir de imágenes clínicas con una precisión del 89,1%.

En el estudio, cuyos resultados se han publicado en la revista Scientific Reports del grupo Nature, se ha aplicado una técnica de aprendizaje colaborativo conocida como "aprendizaje federado", que permite entrenar algoritmos preservando la privacidad de los datos al mantenerlos en sus ubicaciones originales, garantizando así su seguridad.

Para entrenar el modelo, el equipo ha utilizado imágenes procedentes de bases de datos del Instituto Internacional del Estudio Colaborativo de Imágenes de Piel. Estas incluyen tanto melanomas confirmados como otras afecciones cutáneas.

Diagnóstico en menos de un segundo

El sistema permite subir una fotografía a un servidor que analiza la imagen, identifica la posible presencia de melanoma e indica el porcentaje de fiabilidad del resultado. De esta manera, la herramienta facilita la labor del médico en su decisión como profesional para obtener una detección temprana y salvar vidas.

Según ha explicado Sergio Laso, investigador del grupo Quercus y primer autor del estudio, "su tiempo de respuesta es inmediato, no más de un segundo".

Entrenamiento sin compartir imágenes

Con el aprendizaje federado, cada hospital entrena su propio modelo de inteligencia artificial utilizando únicamente las imágenes médicas generadas en sus instalaciones. De este modo, los datos de los pacientes permanecen en el propio centro y no se envían a servidores externos.

Al mismo tiempo, cada sistema genera una serie de parámetros matemáticos que sí se remiten a un servidor central. Allí se combinan los valores de aprendizaje de todos los hospitales para crear un modelo global más robusto y fiable, sin intercambiar imágenes ni información clínica.

Un sistema con mejoras

"Supongamos que un hospital comienza desde cero, sin imágenes, no necesita entrenar un modelo propio, pues ya hay un modelo global entrenado con los valores de aprendizaje de los otros hospitales", ha explicado el investigador de la UEx.

Los resultados muestran mejoras frente a los sistemas centralizados tradicionales y mantienen una eficacia similar, incluso ligeramente superior. A partir de estos avances, el equipo plantea desarrollar una aplicación web dirigida a profesionales sanitarios que sirva de apoyo en el manejo y procesamiento de información durante el análisis de diagnósticos dermatológicos.