CT Foundation facilita la creación de modelos de IA partir de tomografías computarizadas, ayudando a investigadores con el análisis de imágenes en 3D de manera más rápida y eficiente.
La inteligencia artificial (IA) ha avanzado significativamente en el análisis de imágenes médicas, sin embargo, la mayoría de estas herramientas se han centrado en imágenes 2D, como radiografías y dermatología digital. Recientemente, Google ha dado un paso adelante con el lanzamiento de CT Foundation, una herramienta diseñada para analizar tomografías computarizadas (TC) en 3D, facilitando a los investigadores y desarrolladores la creación de modelos de IA que requieren menos datos y poder de cómputo.
CT Foundation es un nuevo desarrollo que amplía las capacidades de IA de Google en el campo de la radiología, especialmente en el análisis de tomografías computarizadas (TC). Esta herramienta se enfoca en procesar y analizar volúmenes de imágenes médicas 3D, una necesidad de suma importancia en la medicina diagnóstica, ya que los médicos dependen de estas imágenes para tomar decisiones complejas, como el diagnóstico de cáncer de pulmón, enfermedades neurológicas y afecciones cardíacas.
Uno de los principales desafíos de trabajar con imágenes de TC es la necesidad de un gran poder de almacenamiento y procesamiento, ya que cada tomografía se compone de múltiples imágenes 2D que se integran en un volumen tridimensional. CT Foundation simplifica este proceso al convertir estas imágenes en “vectores de incrustación” que resumen la información esencial de cada volumen. Estos vectores, compuestos por 1,408 números, son lo suficientemente compactos como para entrenar modelos de IA rápidamente, incluso con cantidades limitadas de datos.
La herramienta se basa en el modelo VideoCoCa de Google, que permite transferir conocimientos de análisis de imágenes en 2D a un entorno 3D. VideoCoCa agrupa múltiples “fotogramas” de imágenes de TC para crear una representación compacta y eficiente del volumen total, optimizando así la capacidad de aprendizaje de las máquinas.
Para validar la utilidad de CT Foundation, el equipo de científicos de Google realizó pruebas en siete tareas de clasificación clínica, incluyendo la detección de hemorragias intracraneales y predicción de cáncer de pulmón. Las pruebas demostraron que los modelos entrenados con CT Foundation lograron un alto rendimiento, con una precisión superior al 80% en casi todas las tareas evaluadas, incluso cuando se utilizaba una cantidad limitada de datos de entrenamiento. Esto fue posible gracias a la eficiencia de los vectores de incrustación, que permiten que los investigadores entrenen modelos usando solo un CPU y un cuaderno de Python en Google Colab.
De esta manera, el marco de CT Foundation representa un avance significativo en el análisis de imágenes médicas, proporcionando a los investigadores una herramienta que simplifica el procesamiento de volúmenes 3D y facilita la creación de modelos de IA eficientes. Aunque por el momento esta herramienta está destinada solamente para investigación y no para uso clínico directo, su lanzamiento abre nuevas oportunidades para la exploración y el desarrollo de aplicaciones en el ámbito médico. Google invita a los investigadores a experimentar con esta tecnología, ofreciendo acceso gratuito a la API de CT Foundation y demostraciones para su uso.
