Inicio ASP La herramienta gratuita que pone al alcance de médicos e investigadores modelos...

La herramienta gratuita que pone al alcance de médicos e investigadores modelos de aprendizaje profundo para procesar imágenes biomédicas

Profesora Arrate Muñoz Barrutia, delante de imágenes biomédicas procesadas mediante modelos de aprendizaje profundo
Fotos: Hospital General Universitario Gregorio Marañón

..Redacción.
Una herramienta que procesa y analiza imágenes biomédicas, ya sean de un microscopio o de un escáner, mediante modelos de aprendizaje profundo basados en inteligencia artificial que mejoran la calidad de las imágenes e identifican y clasifican lo que hay en ellas, desde lesiones en tejidos hasta tumores. Es una realidad y se llama deepImageJ. Va a permitir avanzar en la investigación biomédica, en el diagnóstico clínico por imagen así como en el desarrollo de nuevos fármacos.

La herramienta procesa y analiza imágenes biomédicas mediante modelos de aprendizaje profundo basados en inteligencia artificial

Investigadores del Instituto de Investigación Sanitaria Gregorio Marañón (IiSGM) y de la Universidad Carlos III de Madrid (UC3M), junto a colaboradores de otras instituciones de Suiza y Suecia han desarrollado esta herramienta de código abierto y gratuita que han dado a conocer a través de un artículo publicado este mes en la revista Nature Methods.

Equipo de Investigadores de la UC3M

Lo que hace deepImageJ es facilitar a los investigadores el uso de los modelos de aprendizaje profundo en el procesamiento de imágenes. Según explica Arrate Muñoz Barrutia, investigadora del Instituto de Investigación Sanitaria Gregorio Marañón y profesora de la UC3M, es que para utilizar los modelos de aprendizaje profundo «se necesitan habilidades de programación que pocos investigadores en ciencias de la vida poseen». Por eso han desarrollado deepImageJ.

Va a permitir avanzar en la investigación biomédica, en el diagnóstico clínico por imagen así como en el desarrollo de nuevos fármacos

«El procesado de imagen se ha desplazado de los tradicionales métodos matemáticos y basados en la observación hacia el procesamiento guiado por los datos y la inteligencia artificial. Este importante avance favorece que la detección e identificación de datos se realice de forma más sencilla, más rápida y cada vez más automatizada», explica. «Sobre todo, en el campo de la investigación biomédica».

Este tipo de inteligencia artificial necesita una etapa de entrenamiento que se basa en ejemplos. De esta forma aprende a realizar una tarea a partir de una cantidad considerable de datos previamente anotados. Los modelos de aprendizaje profundos están basados en arquitecturas computacionales sofisticadas denominadas redes neuronales artificiales. Estas redes están formadas por múltiples capas de procesamiento que pueden modelar los datos a diferentes niveles de abstracción. Como, por ejemplo, para reconocer ciertos tipos de células o lesiones en el tejido o para mejorar la calidad de la imagen.

Facilita su uso a los investigadores y médicos para procesar imágenes biomédicas porque no requiere saber programar

Una vez entrenadas, la información necesaria para realizar la tarea, lo que se denomina modelo computacional de la red neuronal, se almacena en un fichero estructurado en el ordenador. Y este fichero puede reutilizarse fácilmente con deepImageJ, según señalan ambas instituciones. De hecho, deepImageJ permite que un investigador en cualquier parte del mundo aplique los modelos de aprendizaje profundo entrenados por informáticos en España, o de otra parte, de forma sencilla.

«Esta herramienta cierra la brecha entre las redes neuronales artificiales y los investigadores biomédicos. Ahora pueden pedirle a un informático que diseñe y entrene un algoritmo de aprendizaje automático para llevar a cabo una tarea específica para luego usar el modelo, fácilmente, a través de una interfaz de usuario, sin ver una sola línea de código» indica Daniel Sage, investigador de la École Polytechnique Fédérale de Lausanne.

«Cierra la brecha entre las redes neuronales artificiales y los investigadores biomédicos»

La herramienta se ha diseñado para ser un recurso colaborativo que permite a ingenieros, informáticos, matemáticos y biólogos trabajar juntos de manera más eficiente. Es decir, investigadores de todo el mundo pueden contribuir a mejorar deepImageJ compartiendo sus experiencias de usuario. También proponiendo mejoras y requiriendo actualizaciones.
“Nuestro objetivo es que este recurso sea utilizado cada vez por más investigadores desde cualquier ordenador convencional y sin necesidad de tener conocimientos de programación» explica Arrate. Además, su grupo de investigación desarrolla materiales de formación y seminarios.

Noticias complementaria: