La Universidad de Cádiz y el Hospital Puerta del Mar desarrollan una herramienta basada en IA capaz de detectar alteraciones en radiografías de tórax con mayor precisión, especialmente en fases iniciales.
Un equipo de investigación de la Universidad de Cádiz (UCA) y del Hospital Universitario Puerta del Mar ha desarrollado un modelo inteligente basado en inteligencia artificial (IA) orientado a mejorar la detección temprana de enfermedades pulmonares mediante el análisis automático de radiografías de tórax. El proyecto, financiado por la Consejería de Universidad, Investigación e Innovación, ofrece un apoyo clínico rápido y preciso para neumólogos y radiólogos.
El nuevo sistema, denominado Mamba-YOLOvX, ha sido validado en el artículo “Localization and classification of abnormalities on chest X-ray images using a Mamba-YOLOvX model”, publicado en la revista Expert Systems with Applications. Según los investigadores, este modelo permite localizar lesiones de distintos tamaños de forma más precisa que otros métodos recientes, lo que resulta especialmente útil en patologías que presentan señales muy discretas en sus fases iniciales, como la silicosis.
Las anomalías pulmonares pueden pasar desapercibidas en exámenes radiológicos convencionales, y la interpretación clínica está sujeta con frecuencia a variabilidad entre especialistas. “En muchas ocasiones, algunas lesiones pulmonares pueden pasar desapercibidas dada la dificultad en la interpretación de esta prueba médica”, explica Daniel Sánchez Morillo, investigador de la UCA y coautor del estudio. “Este sistema tiene todo el potencial para ser aplicado como herramienta de apoyo clínico en la detección precoz de lesiones pulmonares”, añade.
Un modelo que aprende, filtra y mejora con cada análisis
Mamba-YOLOvX se basa en redes neuronales convolucionales, una arquitectura de aprendizaje automático que imita el funcionamiento de la corteza visual humana. El sistema analiza miles de imágenes para reconocer patrones, identificar objetos y mejorar de forma continua a medida que procesa nuevos datos.
Para entrenar el modelo se utilizaron miles de radiografías de distintos hospitales, con una estrategia de aumento de datos que segmenta costillas y alinea puntos clave del tórax para crear imágenes homogéneas anatómicamente. Esto le permite mantener la precisión incluso ante pruebas de distintas resoluciones y equipos médicos.
El sistema combina información global (como la forma pulmonar o la posición del corazón) con detalles locales muy específicos, gracias a mecanismos de atención espacial y de canal, que priorizan sólo las zonas relevantes del tórax y descartan la información irrelevante. Asimismo, los bloques de escaneo selectivo permiten ampliar regiones concretas para identificar lesiones muy pequeñas sin perder el contexto general.
Parte de un proyecto integral contra la silicosis
Este avance tecnológico forma parte del proyecto PEOPLE, centrado en el diseño de herramientas de IA para mejorar el diagnóstico temprano y la predicción del pronóstico de la silicosis, una enfermedad asociada a la inhalación de polvo de sílice cristalina, muy presente en trabajos con piedra artificial.
Además del nuevo modelo radiológico, el proyecto incluye el desarrollo de sistemas basados en biomarcadores sanguíneos e imágenes de tomografía computarizada de alta resolución, con el objetivo de crear un método integral de detección y seguimiento de patologías pulmonares. Más de 100 pacientes de la provincia de Cádiz participan en la investigación.
Este trabajo posiciona a Andalucía como un referente en la aplicación de la inteligencia artificial a la salud respiratoria y abre la puerta a herramientas más rápidas, precisas y accesibles para la evaluación clínica de enfermedades pulmonares.
Contenido recomendado
