{"id":49675,"date":"2024-09-13T14:21:13","date_gmt":"2024-09-13T20:21:13","guid":{"rendered":"https:\/\/saluddigital.com\/?p=49675"},"modified":"2025-10-30T00:04:37","modified_gmt":"2025-10-30T06:04:37","slug":"presentan-primer-modelo-de-ia-generativa-para-imagenes-medicas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/presentan-primer-modelo-de-ia-generativa-para-imagenes-medicas\/","title":{"rendered":"Presentan primer modelo de IA generativa para im\u00e1genes m\u00e9dicas"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores de la Universidad de Boston presentaron MedSyn el primer modelo de IA generativa consciente de la anatom\u00eda y con el potencial de m\u00faltiples aplicaciones en im\u00e1genes m\u00e9dicas.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Uno de los primeros modelos de inteligencia artificial (IA) generativa de im\u00e1genes fue DeepDream, desarrollado por Google en 2015. Aunque no era exactamente un modelo generativo como los que conocemos actualmente, DeepDream utilizaba redes neuronales convolucionales para \u201cso\u00f1ar\u201d o alterar im\u00e1genes preexistentes, creando resultados visuales surrealistas y psicod\u00e9licos.<\/p>

Otros avances importantes ocurrieron a trav\u00e9s de los modelos Generative Adversarial Networks (GANs), que constan de dos redes neuronales que compiten entre s\u00ed: una genera im\u00e1genes, el generador y la otra las eval\u00faa, el discriminador, lo que llev\u00f3 a avances importantes en la creaci\u00f3n de im\u00e1genes sint\u00e9ticas relativamente realistas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Finalmente, las tecnolog\u00edas m\u00e1s recientes como DALL-E y Stable Diffusion han perfeccionado el uso de modelos de lenguaje (LLM, en ingl\u00e9s) y redes neuronales para generar im\u00e1genes a partir de descripciones textuales, tambi\u00e9n llamados prompts<\/em>, esto marc\u00f3 un avance importante en la generaci\u00f3n autom\u00e1tica de im\u00e1genes a un nivel mucho m\u00e1s detallado y con niveles de realismo significativamente mayores.<\/p>

Los modelos de IA generativa utilizan algoritmos de machine learning que contienen grandes datasets<\/em> para el an\u00e1lisis de im\u00e1genes y patrones, lo cual permite la reconstrucci\u00f3n de im\u00e1genes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En cuando a im\u00e1genes m\u00e9dicas, los modelos impulsados por IA pueden ser utilizados para detectar patrones, por ejemplo, en im\u00e1genes de rayos X o tomograf\u00edas computarizadas, lo cual ayuda a mejorar diagn\u00f3sticos de distintas enfermedades.<\/p>

Sin embargo, el uso de IA generativa para im\u00e1genes m\u00e9dicas en un tema poco explorado, en un art\u00edculo publicado recientemente en IEEE Transactions on Medical Imaging<\/em>, por investigadores de la Universidad de Boston, se presenta un enfoque \u00fanico para la obtenci\u00f3n de im\u00e1genes m\u00e9dicas mediante IA. Seg\u00fan explican los autores, se trata del primer modelo de IA generativa consciente de la anatom\u00eda y ha demostrado producir con eficacia im\u00e1genes volum\u00e9tricas (3D) de tomograf\u00eda computarizada de t\u00f3rax de gran precisi\u00f3n utilizando indicaciones de texto o prompts<\/em>.<\/p>

Este modelo denominado MedSyn, promete ser una potente herramienta con diversas aplicaciones cl\u00ednicas y de investigaci\u00f3n. En ecosistemas cl\u00ednicos, MedSyn puede ser utilizado para interpretar anormalidades complejas y detectar enfermedades con altos niveles de precisi\u00f3n y eficiencia.<\/p>

\u201cAunque la tendencia de los modelos fundacionales ha sido adoptar un enfoque \u00fanico para todos los casos, no creemos que sea la mejor pr\u00e1ctica para las im\u00e1genes m\u00e9dicas\u201d, expres\u00f3 Kayhan Batmanghelich, autor del estudio y profesor adjunto de ingenier\u00eda en Universidad de Boston. \u201cLos cambios patol\u00f3gicos en la anatom\u00eda pueden producirse a\u00f1os antes de que se manifieste la enfermedad. Para que las intervenciones tengan el mayor impacto posible, necesitamos modelos de IA sofisticados que puedan detectar anomal\u00edas que a menudo son dif\u00edciles de detectar en las fases m\u00e1s tempranas de la progresi\u00f3n de la enfermedad\u201d, agreg\u00f3.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

MedSyn adopta un enfoque multimodal espec\u00edfico para cada \u00f3rgano, de tal manera que los algoritmos del modelo se entrenan con un gran conjunto de datos de m\u00e1s de 9 mil tomograf\u00edas de t\u00f3rax en 3D emparejadas con m\u00e1s de 200 mil informes radiol\u00f3gicos an\u00f3nimos. As\u00ed, a trav\u00e9s de aprender informaci\u00f3n detallada el modelo proporciona un control preciso sobre la generaci\u00f3n de im\u00e1genes.<\/p>

\u201cAl ajustar espec\u00edficamente el modelo de lenguaje de IA al lenguaje utilizado en los informes radiol\u00f3gicos e incorporar restricciones que imponen posiciones anat\u00f3micas est\u00e1ndar coherentes con el cuerpo humano, nuestro modelo puede sintetizar im\u00e1genes con un nivel de granularidad, incluso cuando se presentan detalles anat\u00f3micos peque\u00f1os y dif\u00edciles de ver\u201d, expres\u00f3 Batmanghelich.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La IA contin\u00faa demostrando su potencial para revolucionar la atenci\u00f3n m\u00e9dica, sin embargo, todav\u00eda hay escepticismo por parte de muchos profesionales debido a problemas o desaf\u00edos relacionados con la limitaci\u00f3n de los datos de entrenamiento o la falta de transparencia.<\/p>

\u201cComo el conjunto de datos de MedSyn procede de tomograf\u00edas e informes radiol\u00f3gicos, el resultado es totalmente transparente y tan interpretable como un informe radiol\u00f3gico\u201d, declar\u00f3 Batmanghelich.\u00a0 \u201cLa herramienta no s\u00f3lo facilita la labor de los m\u00e9dicos, sino que los investigadores pueden utilizar este m\u00e9todo como base de sus investigaciones\u201d.<\/p>

Esta investigaci\u00f3n representa un gran paso adelante al demostrar las capacidades y el impacto potencial de desarrollar IA generativa capaz de desarrollar modelos fundacionales anat\u00f3micamente espec\u00edficos. El c\u00f3digo preentrenado de esta investigaci\u00f3n est\u00e1 disponible de manera abierta en el siguiente enlace: https:\/\/github.com\/batmanlab\/MedSyn<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

BOSTON UNIVERSITY<\/strong><\/p>

https:\/\/www.bu.edu\/hic\/2024\/08\/06\/lung-disease-anatomy-aware-ai-genai-bu\/<\/a><\/p>

GOOGLE <\/strong><\/p>

https:\/\/colab.research.google.com\/github\/tensorflow\/docs\/blob\/master\/site\/en\/tutorials\/generative\/deepdream.ipynb<\/a><\/p>

MACHINE LEARNING MASTERY <\/strong><\/p>

https:\/\/machinelearningmastery.com\/what-are-generative-adversarial-networks-gans\/<\/a>\u00a0\u00a0<\/p>

IONOS<\/strong><\/p>

https:\/\/www.ionos.com\/digitalguide\/online-marketing\/search-engine-marketing\/generative-adversarial-networks\/<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores de la Universidad de Boston presentan el primer modelo de IA generativa para im\u00e1genes m\u00e9dicas y con diversas aplicaciones cl\u00ednicas.<\/p>","protected":false},"author":1,"featured_media":49677,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-49675","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/49675","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=49675"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/49675\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/49677"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=49675"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=49675"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=49675"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}