IA frente al cáncer de mama y la epilepsia

Sendas charlas sobre proyectos para facilitar a los facultativos los diagnósticos sobre cáncer de mama y sobre la epilepsia de origen fotosensible, que desarrollan miembros del grupo de investigación AI Biomedical Engineering Center de la Universidad de Oviedo en el marco del Instituto Universitario de Tecnología industrial de Asturias (IUTA), protagonizaron ayer el último de los Desayunos Tecnológicos IUTA de la temporada 2025, que organiza el Ayuntamiento de Gijón, a través de Gijón Impulsa, para facilitar la transferencia de conocimiento entre la Universidad y la empresa. Los ponentes fueron presentados por los directores de Impulsa, Luis Díaz, y del IUTA, Eduardo Cuesta.

"Lo más apremiante que tenemos para continuar con el proyecto es obtener los datos de encefalogramas, por la falta de tiempo de los profesionales sanitarios. Lo demás es tiempo de máquina"

José Ramón Villar

— Catedrático de computación e inteligencia artificial

Víctor González Suárez, profesor titular del Departamento de Ingeniería Eléctrica de la Universidad de Oviedo y director del Centro de Ingeniería Biomédica de la institución académica, que habló sobre sendos proyectos para el procesamiento de imágenes en los ámbitos de la medicina y la biología y el catedrático de informática José Ramón Villar, uno de los que desarrollan un proyecto sobre el procesamiento de señales de encefalogramas, coincidieron en poner sobre el tapete el principal problema con el que los investigadores se están encontrando para desarrollar herramientas de IA que faciliten las tareas de los profesionales clínicos: que a diferencia de otros países, en España la colaboración de personal sanitario en estas investigaciones requiere del esfuerzo adicional de que lo hagan en su tiempo libre, mientras en otros estados parte de los sanitarios tienen tiempo asignado en sus jornadas laborales para dedicarse a la investigación, sin que necesariamente deban estar ligados a una universidad.

"Llevamos dos años intentando acercar la ingeniería a los profesionales clínicos; estamos haciendo un esfuerzo muy grande por trabajar con nuestros clientes, médicos, enfermeros y fisioterapeutas"

Víctor González

— Director del Centro de Ingeniería Biomédica

El problema para el desarrollo de sistemas de IA es que requieren de un suministro importante de datos –en este caso clínicos– para entrenar a esa herramienta de inteligencia artificial para que pueda ofrecer respuestas fiables. "La problemática de los datos siempre está ahí. Llevamos dos años como grupo intentando acercar la ingeniería a los profesionales clínicos; estamos haciendo un esfuerzo muy grande por trabajar con nuestros clientes que son los clínicos: medicina, enfermería, fisioterapia... todo el colectivo profesional del ámbito sanitario. Y lo que nos encontramos es que lo asistencial come todo lo demás; su principal trabajo es lo asistencial y no tienen tiempo para la investigación mayormente", en palabras de Víctor González Suárez.

Yendo a los proyectos concretos en los que está participando, Víctor González explicó uno sobre diagnóstico de cáncer de mama, en concreto con el objetivo de que la IA permita determinar si tras un tratamiento de quimioterapia persisten o no restos del tumor, evitando falsos positivos que se dan cuando el radiólogo considera que puede quedar tumor y el patólogo que analiza la muestra tras la operación indica que no lo había.

En este caso concreto el equipo no tiene el problema de acceso a datos. El proyecto, en colaboración con una universidad estadounidense y profesionales sanitarios del HUCA y del Hospital de Cabueñes, está utilizando una base de datos de un instituto estadounidense sobre imágenes de cáncer mediante resonancias magnéticas de diagnóstico y evolución durante un primer tratamiento de quimioterapia para reducir o eliminar el tumor, tras el que en EE UU se decide si procede o no una intervención quirúrgica.

Lo que se busca es "un modelo de IA que diga si el tratamiento de quimioterapia está funcionando" analizando la resonancia de diagnóstico y la siguiente, que en EE UU se efectúa a las tres semanas del tratamiento de quimioterapia (en España se recurre ahora directamente a la cirugía al detectar un tumor de mama). "Ahora modelar la evolución y esperemos que al final tengamos un sistema que con una precisión alta pueda ayudar", en especial con el objetivo de que coincida el diagnóstico del radiólogo y del patólogo, esto es, que evitar falsos positivos por el radiodiagnóstico. "Eso requiere una herramienta muy fiable. Si lo logramos, a lo mejor ayudaremos a que no operen a personas que no lo necesiten, en eso es en lo que estamos trabajando ahora mismo".

Otro proyecto en el que está consiste en usar la IA para analizar la neurotoxicidad de los microplásticos y nanoplásticos en cultivos de neuronas. Actualmente esos estudios se realizan contando a mano neuronas. "Logramos hacer un sistema de IA que funciona bastante bien" y posteriormente, mediante una red de IA profunda lograron un sistema para "etiquetar las imágenes con la misma calidad que un experto". A partir de aquí, se está entrenando este sistema de IA para conocer la toxicidad de nos micro y nanoplásticos, dado que estos últimos logran llegar hasta el cerebro. ¿Cómo influye eso en un cerebro en desarrollo y en uno adulto? Se sabe que produce un cierto esponjamiento del cerebro, si bien "no sabemos cuánto puede afectar a la funcionalidad y ahora estamos diseñando una herramienta IA que automatice" la revisión de las imágenes de cultivos neuronales con micro y nanoplásticos para determinar el nivel de afectación. También están usando IA para modelar cómo se mueven las neuronas en el desarrollo cerebral y su relación con las conexiones que establecen posteriormente.

José Ramón Villlar, catedrático de ciencias de la computación e inteligencia artificial del departamento de informática de la Universidad de Oviedo, explicó el proyecto del que forma parte para, mediante IA, señalar en los encefalogramas de pacientes epilépticos las zonas donde se ve que son fotosensibles. Un proyecto que permitiría ahorrar tiempo a los facultativos al revisar los encefalogramas.

"Lo que hemos hecho es, simplemente, utilizar inteligencia artificial generativa para la detección de cuáles son las ventanas de señal en los encefalogramas que se corresponden con situaciones de posibles eventos fotoparoxísticos, de manera que se pueda ayudar en el diagnóstico de las personas que sufran ese tipo de síndrome epiléptico" vinculado a estímulos visuales de grandes contrastes. Una vez que esté afinada esta herramienta informática con inteligencia artificial, "se podría luego extrapolar a otros casos de epilepsias raras, donde se tiene la misma prevalencia ultrabaja (que la fotoparoxística), de manera que no es posible obtener datos de muchos pacientes que sufran de dicho mal", añadió.

"Es posible utilizar esta herramienta como asistente inteligente en el etiquetado manual de registros de encefalogramas, si bien todavía sufre un no despreciable número de falsos negativos" que espera que puedan eliminarse mediante la ayuda de la IA. Lo más apremiante para continuar con el proyecto, es "obtener los datos etiquetados de encefalogramas", por la falta de tiempo de los profesionales del ámbito sanitario. "El mayor problema es el tiempo y el esfuerzo que tienen que dedicar las personas" que tendrían que añadir esta tarea a las de atención a los pacientes. Obtener esos datos es la clave para que el proyecto avance de manera más rápida, "porque lo demás es tiempo de máquina; lo que hacemos es pensar hipótesis para los programas, entrenamiento de los mismos, evaluación de los resultados" y repetir el proceso hasta afinar los resultados, "pero los datos, puedes estar un año para obtener cinco o seis personas bien etiquetadas y el sistema es más confiable cuantas más obtengas; la idea no es que esto sustituya al facultativo, sino marcar en los encefalogramas" dónde tiene que fijarse el facultativo para agilizar su análisis de los mismos, indicó.