Investigadores de Stanford aprovecharon información compartida colectivamente por la comunidad médica de Twitter para desarrollar una fuente de datos anonimizados de imágenes médicas basada en IA
X, antes conocido como Twitter, no solo es un espacio para compartir noticias, posturas acerca de diversos temas o incluso información oficial importante, esta red social cuenta con una gran variedad de comunidades especializadas en diversos temas. Tal es el caso de la comunidad médica de Twitter, también conocida como “Twitter médico”. Miembros de esta comunidad compartieron cientos de miles de imágenes médicas anonimizadas, lo que ha permitido la creación de un modelo de inteligencia artificial (IA).
Investigadores de la Universidad de Stanford han identificado este recurso poco explorado y han recopilado más de 200 mil imágenes diagnósticas de cáncer y otras enfermedades, junto con las anotaciones profesionales proporcionadas por médicos altamente capacitados en esta red social. Utilizando estos datos, han desarrollado un potente modelo de IA capaz de analizar y diagnosticar con precisión imágenes médicas inéditas.
El profesor James Zou, miembro del Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano (HAI), destaca que uno de los mayores desafíos en el desarrollo de la IA diagnóstica es la falta de datos anotados a gran escala. Sin embargo, en las redes sociales, y en la comunidad especifica de Twitter Médico, encontraron una gran fuente de datos compartidos por médicos de gran utilidad para el desarrollo de una herramienta de IA.
A pesar de sus promesas, el campo de la patología computacional había estado rezagado en comparación con otras áreas de la IA debido a la falta de conjuntos de datos de imágenes anonimizadas y con anotaciones anotadas, complicado por la vasta variedad de más de 8,000 enfermedades conocidas que deben clasificarse. Aquí es donde Medical Twitter y la colaboración entre profesionales tomó mayor relevancia.
Los investigadores, Zhi Huang y Federico Bianchi, postdoctorados en Stanford y colíderes del proyecto, se dieron cuenta de que, con cada imagen publicada en la comunidad médica de Twitter, se estaba etiquetando efectivamente el conjunto de datos. Cada análisis, cada hashtag colocado y cada pregunta profunda contribuía a la anotación de datos.
Reuniendo y curando más de 243 mil imágenes diagnósticas y sus comentarios de Twitter Médico, y anonimizando los datos, crearon OpenPath, uno de los conjuntos de datos de patología pública más grandes con descripciones en lenguaje natural. Luego, entrenaron a PLIP, una IA fundamental capaz de comprender tanto imágenes como texto.
“Esa combinación de imágenes y texto lo hace bastante útil. PLIP permite a los investigadores recuperar casos similares mediante búsquedas mediante imágenes o palabras. Creemos que debería facilitar enormemente el intercambio de conocimientos dentro de la comunidad de patología en todo el mundo”, explicó Zou.
A pesar de los constantes cambios en las redes sociales, como X, y las restricciones en la recopilación de datos, este estudio resalta un mensaje positivo acerca de la colaboración en el intercambio de conocimiento médico por redes sociales. Además, demuestra la creatividad en la búsqueda de diversas fuentes de datos para mejorar la IA médica y la creación de nuevas herramientas. Este descubrimiento destaca cómo las redes sociales y el trabajo colaborativo entre profesionales médicos, pueden contribuir de manera importante a la evolución de la IA.
