Un avance significativo en el diagnóstico pulmonar
La Consejería de Universidad ha financiado un proyecto innovador llevado a cabo por un equipo de la Universidad de Cádiz y el Hospital Universitario Puerta del Mar, que ha desarrollado un modelo de inteligencia artificial para mejorar la detección precoz de patologías pulmonares. Este sistema proporciona apoyo a neumólogos y radiólogos al analizar radiografías de tórax.
El modelo, denominado Mamba-YOLOvX, es capaz de identificar alteraciones de manera precisa y rápida, aprovechando algoritmos avanzados de aprendizaje automático y redes neuronales convolucionales. Estas tecnologías imitan el proceso de percepción visual humano, permitiendo al sistema aprender y reconocer anomalías en múltiples radiografías.
Uno de los retos en el diagnóstico de enfermedades como la silicosis es que muchas lesiones pueden ser sutiles y difíciles de identificar en sus fases iniciales. Según el investigador Daniel Sánchez Morillo, coautor del estudio, el modelo ha demostrado una considerable mejora en la precisión diagnóstica, especialmente en casos de lesiones pequeñas que pueden pasar desapercibidas.
Además, este modelo no sólo examina los detalles locales, sino que también toma en cuenta el contexto global de la imagen. De esta manera, puede discriminar información irrelevante y concentrarse solo en las áreas que requieren atención.
Un enfoque integral para la silicosis
El desarrollo de este modelo es parte del proyecto PEOPLE, una iniciativa dedicada a la creación de herramientas de IA que optimicen el diagnóstico y pronóstico de la silicosis. Este esfuerzo involucra a más de 100 pacientes de la provincia de Cádiz y busca un enfoque holístico al integrar diferentes tipos de imágenes y biomarcadores.
La relevancia de esta innovación radica en su potencial para transformar el diagnóstico de enfermedades pulmonares, ofreciendo a los profesionales de la salud una herramienta más eficaz y eficiente.
- Te recomendamos -
