{"id":65181,"date":"2025-11-25T10:49:33","date_gmt":"2025-11-25T16:49:33","guid":{"rendered":"https:\/\/saluddigital.com\/?p=65181"},"modified":"2025-11-25T10:54:11","modified_gmt":"2025-11-25T16:54:11","slug":"desarrollan-modelo-fundacional-para-analizar-radiografias-de-torax-sin-necesidad-de-etiquetas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/desarrollan-modelo-fundacional-para-analizar-radiografias-de-torax-sin-necesidad-de-etiquetas\/","title":{"rendered":"Desarrollan modelo fundacional para analizar radiograf\u00edas de t\u00f3rax sin necesidad de etiquetas"},"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 desarrollaron EVA-X, un sistema de aprendizaje autosupervisado que mejora la detecci\u00f3n, segmentaci\u00f3n y localizaci\u00f3n de patolog\u00edas tor\u00e1cicas en m\u00e1s de 20 condiciones cl\u00ednicas.<\/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 de la Universidad de Ciencia y Tecnolog\u00eda de Huazhong en China, en colaboraci\u00f3n con instituciones de Canad\u00e1, present\u00f3 EVA-X<\/strong>, un modelo fundacional<\/strong><\/a> desarrollado para el an\u00e1lisis general de radiograf\u00edas de t\u00f3rax. El sistema, descrito en npj Digital Medicine journal<\/em><\/a>, utiliza t\u00e9cnicas de aprendizaje autosupervisado<\/strong> que le permiten entrenarse con im\u00e1genes sin etiquetar, reduciendo la dependencia de anotaciones cl\u00ednicas y ampliando su capacidad de generalizaci\u00f3n.<\/p>

Las radiograf\u00edas de t\u00f3rax representan cerca del 40% de los estudios de imagen realizados en el mundo, y son esenciales para detectar infecciones, enfermedades pulmonares, anomal\u00edas card\u00edacas y otras condiciones. Sin embargo, los modelos de inteligencia artificial (IA) actuales suelen requerir grandes vol\u00famenes de datos etiquetados y est\u00e1n dise\u00f1ados para tareas espec\u00edficas, lo que limita que puedan adoptarse en entornos cl\u00ednicos diversos.<\/p>

EVA-X fue entrenado con m\u00e1s de 520 mil im\u00e1genes de ocho bases p\u00fablicas<\/strong>, todas sin anotaciones. Su dise\u00f1o combina dos estrategias ampliamente utilizadas en visi\u00f3n por computadora: aprendizaje contrastivo<\/strong> and modelado de im\u00e1genes enmascaradas<\/strong>, lo que le permite captar simult\u00e1neamente la informaci\u00f3n sem\u00e1ntica y geom\u00e9trica presente en las radiograf\u00edas.<\/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

El estudio detalla el desarrollo de tres versiones del modelo: EVA-X-Ti, EVA-X-S y EVA-X-B, todos con distintos niveles de complejidad. Incluso en su versi\u00f3n m\u00e1s peque\u00f1a, EVA-X mostr\u00f3 un equilibrio competitivo entre desempe\u00f1o y eficiencia computacional, una caracter\u00edstica relevante para su implementaci\u00f3n en hospitales con recursos limitados.<\/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

El modelo fue evaluado en 11 tareas diferentes<\/strong> de an\u00e1lisis radiol\u00f3gico<\/strong>, incluyendo clasificaci\u00f3n de patolog\u00edas, segmentaci\u00f3n de lesiones y localizaci\u00f3n de anomal\u00edas. En todos los casos, EVA-X super\u00f3 a modelos previamente entrenados con m\u00e9todos supervisados y autosupervisados.<\/p>

Por ejemplo, en la detecci\u00f3n de COVID-19, EVA-X alcanz\u00f3 hasta 99.8% de \u00e1rea bajo la curva (AUC)<\/strong> en bases p\u00fablicas. Adem\u00e1s, el modelo mostr\u00f3 una alta capacidad de aprendizaje con muy pocos datos etiquetados: con solo 1% del conjunto de entrenamiento<\/strong>, logr\u00f3 un 95% de precisi\u00f3n<\/strong> en uno de los conjuntos evaluados.<\/p>

Adem\u00e1s, los investigadores tambi\u00e9n probaron EVA-X en tareas de segmentaci\u00f3n de pulmones y enfermedades como neumon\u00eda, neumot\u00f3rax y tuberculosis. El modelo registr\u00f3 mejoras en m\u00e9tricas como Dice y Jaccard respecto a m\u00e9todos previos.<\/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

Para evaluar la interpretabilidad del sistema, los autores utilizaron mapas de activaci\u00f3n por gradiente o Grad-CAM. EVA-X obtuvo los puntajes m\u00e1s altos en intersecci\u00f3n sobre uni\u00f3n y precisi\u00f3n promedio en la localizaci\u00f3n aproximada de lesiones, lo que indica una mayor concordancia con las zonas de inter\u00e9s anotadas por especialistas.<\/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

El modelo fue probado tambi\u00e9n en un conjunto de 10 mil radiograf\u00edas provenientes de 14 hospitales en China<\/strong>, donde logr\u00f3 una AUC promedio de 0.8645<\/strong>, superando nuevamente a modelos recientes de referencia.<\/p>

Los autores destacar que EVA-X podr\u00eda convertirse en un modelo fundacional para el an\u00e1lisis de radiograf\u00edas<\/strong>, al facilitar diagn\u00f3sticos m\u00e1s r\u00e1pidos y precisos sin requerir grandes vol\u00famenes de anotaciones. No obstante, tambi\u00e9n reconocen la necesidad de validaciones cl\u00ednicas adicionales<\/strong>, especialmente considerando la diversidad demogr\u00e1fica y epidemiol\u00f3gica de los datos reales.<\/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

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41746-025-02032-z<\/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":"

Cient\u00edficos desarrollan EVA-X, un nuevo modelo fundacional para analizar radiograf\u00edas de t\u00f3rax sin necesidad de etiquetas.<\/p>","protected":false},"author":1,"featured_media":65183,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-65181","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\/65181","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=65181"}],"version-history":[{"count":8,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65181\/revisions"}],"predecessor-version":[{"id":65194,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65181\/revisions\/65194"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/65183"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=65181"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=65181"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=65181"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}