Científicos del Centro Alemán de Investigación Oncológica (DKFZ), el Hospital Universitario de Heidelberg (UKHD) y el Centro Médico Universitario de Mannheim (UMM) presentan un método que permite a la inteligencia artificial (IA) aprender a transferir datos de imágenes médicas de animales a humanos.

Este «aprendizaje xenogénico» podría contribuir a que las intervenciones quirúrgicas sean más seguras y precisas en el futuro, sin depender de datos de entrenamiento humanos.

Publicado en Nature Biomedical Engineering.

Uno de los mayores retos para los cirujanos es la evaluación visual y subjetiva de los tejidos, por ejemplo, para distinguir entre áreas malignas y sanas o para preservar estructuras críticas.

La imagen espectral se considera un medio para superar las limitaciones de la percepción visual.

Las cámaras hiperespectrales modernas capturan más información que el ojo humano, por ejemplo, sobre el flujo sanguíneo o el contenido de oxígeno de los tejidos.

Se requiere inteligencia artificial (IA) para convertir los datos espectrales de alta dimensión en información clínicamente útil.

Sin embargo, para que los algoritmos de IA puedan hacer un uso significativo de estos datos, necesitan grandes cantidades de datos de imágenes «anotados».

Los expertos entienden que se trata de conjuntos de datos que han sido complementados con información adicional por parte de profesionales médicos para que puedan utilizarse en el aprendizaje automático u otros análisis basados en datos.

Sin embargo, estos conjuntos de datos suelen ser difíciles o imposibles de obtener de los pacientes por razones éticas, legales y prácticas.

Al mismo tiempo, los experimentos con animales suelen proporcionar enormes conjuntos de datos de imágenes estandarizadas en los que se han generado y examinado específicamente diversos cambios en los tejidos.

Aquí es precisamente donde entra en juego el xenoaprendizaje: el método utiliza datos de imágenes de animales para preparar la IA específicamente para cambios típicos, como trastornos circulatorios, y luego transfiere este conocimiento a los seres humanos.

Transferencia de conocimientos más allá de las fronteras entre especies

«El reto era que las características de los tejidos de los seres humanos, los cerdos y las ratas difieren considerablemente en términos absolutos», explica la investigadora principal Lena Maier-Hein, jefa de departamento del DKFZ y directora del NCT Heidelberg.

«Pero pudimos aprender diversos mecanismos fisiopatológicos a partir del modelo animal y transferirlos a los seres humanos mediante un novedoso entrenamiento de redes neuronales», afirma Maier-Hein, que también dirige un grupo de investigación en la Clínica Quirúrgica del Hospital Universitario de Heidelberg.

En el estudio, los investigadores analizaron más de 13 000 imágenes hiperespectrales de seres humanos, cerdos y ratas, un conjunto de datos único hasta la fecha.

Los resultados mostraron que los modelos clásicos de IA entrenados con datos de animales fallan en los seres humanos.

Sin embargo, este obstáculo se superó con el nuevo enfoque de xenoaprendizaje.

La IA no aprendió los patrones de color absolutos, sino los patrones de cambio en determinadas condiciones patológicas, y fue capaz de aplicar con éxito este conocimiento al tejido humano.

Los investigadores ven un gran potencial de aplicación en cirugía: «El xenoaprendizaje permite el uso de imágenes espectrales incluso cuando se carece de datos humanos», afirma Jan Sellner, uno de los dos autores principales del estudio.

«Este es un paso importante para que los procedimientos quirúrgicos sean más seguros y precisos en el futuro», explica Alexander Studier-Fischer, del Departamento de Urología del Hospital Universitario de Mannheim, que dirigió los aspectos clínicos del proyecto.

Para garantizar que su nuevo enfoque pueda introducirse en el quirófano lo antes posible, los investigadores del DKFZ han puesto el código del programa y los modelos preentrenados a disposición de otros científicos.

Fuente: Centro Alemán de Investigación Oncológica (Deutsches Krebsforschungszentrum, DKFZ)