{"id":56865,"date":"2025-06-11T10:14:18","date_gmt":"2025-06-11T16:14:18","guid":{"rendered":"https:\/\/saluddigital.com\/?p=56865"},"modified":"2025-06-11T10:20:59","modified_gmt":"2025-06-11T16:20:59","slug":"ia-es-capaz-de-generar-imagenes-retinianas-contrafactuales-para-educacion-medica","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-es-capaz-de-generar-imagenes-retinianas-contrafactuales-para-educacion-medica\/","title":{"rendered":"IA es capaz de generar im\u00e1genes retinianas contrafactuales para educaci\u00f3n m\u00e9dica\u00a0"},"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

Un algoritmo basado en modelos de difusi\u00f3n crea im\u00e1genes contrafactuales que ayudan a m\u00e9dicos y pacientes a entender el impacto de enfermedades como la retinopat\u00eda diab\u00e9tica. <\/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

Un equipo de investigadores ha desarrollado un algoritmo de inteligencia artificial (IA) capaz de generar im\u00e1genes retinianas contrafactuales, es decir, representaciones visuales de c\u00f3mo se ver\u00eda el ojo de un paciente si tuviera o no una enfermedad ocular. Este avance, publicado en PLOS Digital Health<\/em><\/a>, tendr\u00eda el potencial de revolucionar la educaci\u00f3n m\u00e9dica y la comunicaci\u00f3n con pacientes al ofrecer ejemplos visuales claros de condiciones como la retinopat\u00eda diab\u00e9tica o el edema macular.\u00a0<\/p>

\u201cDurante el muestreo, combinamos el modelo de difusi\u00f3n con la gu\u00eda del clasificador para obtener im\u00e1genes contrafactuales realistas y significativas que mantuvieran la estructura de la imagen retiniana del sujeto. Descubrimos que nuestro m\u00e9todo generaba im\u00e1genes contrafactuales introduciendo o eliminando las caracter\u00edsticas necesarias relacionadas con la enfermedad\u201d, explica el estudio.<\/p>

\u00a0\u00bfQu\u00e9 son las im\u00e1genes contrafactuales?\u00a0 <\/strong><\/p>

Las im\u00e1genes contrafactuales responden a preguntas como: \u201cSi este paciente tuviera retinopat\u00eda diab\u00e9tica, \u00bfc\u00f3mo se ver\u00eda su retina?\u201d Estas im\u00e1genes se generan modificando fotograf\u00edas retinianas reales para a\u00f1adir o eliminar caracter\u00edsticas patol\u00f3gicas, manteniendo la estructura \u00fanica del ojo del paciente.\u00a0<\/p>

El estudio emple\u00f3 modelos de difusi\u00f3n, una t\u00e9cnica de IA que supera a m\u00e9todos anteriores, como las redes generativas adversativas (GANs, en ingl\u00e9s) en realismo y diversidad de im\u00e1genes. Los investigadores combinaron estos modelos con clasificadores de enfermedades para guiar la generaci\u00f3n de cambios cl\u00ednicamente relevantes.\u00a0<\/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

Los hallazgos del estudio mostraron que en los fundus o fotograf\u00edas retinianas, las im\u00e1genes generadas fueron indistinguibles de las reales para oftalm\u00f3logos en un 64% de los casos. Por otro lado las tomograf\u00edas de coherencia \u00f3ptica aunque realistas, los expertos identificaron algunas diferencias, especialmente en casos avanzados.\u00a0<\/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

\u201cEsto demuestra que la combinaci\u00f3n de modelos de difusi\u00f3n con la gu\u00eda de clasificadores puede lograr contrafactuales realistas y significativos incluso para im\u00e1genes m\u00e9dicas de alta resoluci\u00f3n como las im\u00e1genes de fundos a color\u201d.<\/p>

Para la validaci\u00f3n cl\u00ednica de esta herramienta contaron con 7 oftalm\u00f3logos y 4 especialistas en IA, los participantes tuvieron dificultad para distinguir las im\u00e1genes generadas por IA de las reales en fotograf\u00edas de fondo de ojo. Sin embargo, en tomograf\u00edas de coherencia \u00f3ptica, los m\u00e9dicos detectaron leves irregularidades, como patrones demasiado sim\u00e9tricos.\u00a0<\/p>

Existen diversas aplicaciones para este avance, por ejemplo, en educaci\u00f3n m\u00e9dica para simular progresi\u00f3n de enfermedades; o para que los pacientes puedan\u00a0 visualizar consecuencias de mal control gluc\u00e9mico en diabetes.\u00a0<\/p>

\u201cNuestro objetivo era desarrollar y validar un algoritmo de IA para generar contrafactuales basados en modelos de difusi\u00f3n guiados por los gradientes de clasificadores robustos de enfermedades. Para ello, demostramos que el algoritmo puede generar cambios m\u00ednimos, significativos y de alta confianza en una imagen de entrada, de forma que el clasificador de redes neuronales profundas altere su decisi\u00f3n a una clase objetivo deseada y que los expertos del dominio consideren realistas las im\u00e1genes resultantes\u201d.<\/p>

Cabe destacar que los autores se\u00f1alan varias limitaciones importantes en la generaci\u00f3n de im\u00e1genes contrafactuales. En primer lugar, aunque las im\u00e1genes de fondo de ojo resultaron muy realistas, las tomograf\u00edas de coherencia \u00f3ptica mostraron irregularidades detectables, como patrones demasiado sim\u00e9tricos o fallos al restaurar el grosor retinal en casos avanzados. Adem\u00e1s, el algoritmo tuvo dificultades para generar lesiones graves de retinopat\u00eda diab\u00e9tica debido a la escasez de estos casos en los datos de entrenamiento. Los investigadores tambi\u00e9n destacan que los clasificadores de IA podr\u00edan estar aprendiendo caracter\u00edsticas superficiales, como texturas en lugar de cambios patol\u00f3gicos profundos, lo que afecta la calidad de las im\u00e1genes generadas. \u00a0<\/p>

Finalmente, los autores reconocen que rendimiento del modelo podr\u00eda verse comprometido si se aplica a datos procedentes de dispositivos o poblaciones no representadas en el conjunto de entrenamiento, lo que subraya la necesidad de mejorar la diversidad de los datos y los m\u00e9todos de generalizaci\u00f3n.<\/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

PLOS<\/strong><\/p>

https:\/\/journals.plos.org\/digitalhealth\/article?id=10.1371\/journal.pdig.0000853<\/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":"

Estudio muestra la capacidad de la IA para generar im\u00e1genes retinianas contrafactuales para educaci\u00f3n m\u00e9dica y visualizaci\u00f3n de enfermedades.<\/p>","protected":false},"author":1,"featured_media":56867,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-56865","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\/56865","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=56865"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/56865\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/56867"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=56865"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=56865"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=56865"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}