El Nuevo Sistema de IA del MIT Hace la Segmentación de Imágenes Más Rápida y Fácil

Investigadores del MIT han desarrollado un sistema de inteligencia artificial que ayuda a los expertos médicos a acelerar sus investigaciones mediante el rápido análisis de imágenes de datos médicos.

La herramienta, llamada MultiverSeg, permite a los científicos marcar áreas específicas de la imagen, simplemente haciendo clic o garabateando, y el sistema utiliza esta información para generar predicciones para los resultados próximos.

El MIT explica que el proceso inicial y más laborioso en la investigación clínica requiere la anotación de imágenes médicas, también conocida como segmentación. Por ejemplo, para estudiar cómo el hipocampo en el cerebro cambia con la edad, los investigadores deben trazarlo manualmente a través de varios escaneos.

“Muchos científicos podrían tener tiempo solo para segmentar algunas imágenes al día para su investigación porque la segmentación manual de imágenes es muy laboriosa. Nuestra esperanza es que este sistema permita nueva ciencia al permitir que los investigadores clínicos realicen estudios que antes estaban prohibidos debido a la falta de una herramienta eficiente”, dijo Hallee Wong, autora principal y estudiante graduada en ingeniería eléctrica y ciencias de la computación.

A diferencia de los sistemas anteriores, MultiverSeg no requiere que los investigadores lo entrenen con grandes conjuntos de datos presegmentados. El sistema crea un “conjunto de contexto” a partir de imágenes segmentadas pasadas y las utiliza para mejorar las predicciones futuras. Los investigadores explican que el sistema requiere casi ninguna interacción del usuario a medida que pasa el tiempo.

Los investigadores probaron MultiverSeg contra herramientas de vanguardia, y descubrieron que requería menos clics y garabatos, y producía resultados más precisos. De hecho, el sistema de IA sólo necesitó una o dos segmentaciones manuales de rayos X antes de que pudiera hacer predicciones precisas para las áreas restantes.

“Con MultiverSeg, los usuarios siempre pueden proporcionar más interacciones para perfeccionar las predicciones de la IA. Esto aún acelera dramáticamente el proceso porque generalmente es más rápido corregir algo que existe que empezar desde cero”, explicó Wong.

El equipo planea probar el sistema en entornos clínicos, con la esperanza de que también pueda mejorar la eficiencia en áreas como la planificación del tratamiento con radiación.