El Avance de GE Healthcare en el Análisis de Resonancias Magnéticas
Las resonancias magnéticas (RM) son esenciales para el diagnóstico médico, pero la complejidad de las imágenes requiere grandes volúmenes de datos. Tradicionalmente, los modelos de análisis de imágenes han limitado su capacidad al procesar imágenes 2D, lo que dificulta el análisis preciso de estructuras anatómicas complejas, como tumores cerebrales, trastornos esqueléticos o enfermedades cardiovasculares.
El Modelo de IA en 3D de GE Healthcare
GE Healthcare ha superado este obstáculo con el desarrollo de un modelo de resonancia magnética 3D de cuerpo completo, el primero en la industria, presentado en AWS re:Invent. Este modelo utiliza imágenes tridimensionales completas, lo que mejora la precisión en los diagnósticos y optimiza los procedimientos médicos.
Cómo Funciona el Modelo de IA para Resonancia Magnética 3D
El modelo de IA de GE Healthcare fue desarrollado desde cero en AWS, utilizando más de 173,000 imágenes de 19,000 estudios para entrenar el modelo. Gracias a la potencia de AWS, los desarrolladores han logrado entrenar este modelo con solo una fracción de los recursos informáticos necesarios anteriormente.
Optimización de Recursos y Desafíos en la Investigación
Aunque el modelo aún está en fase de investigación, los resultados preliminares han sido prometedores. Mass General Brigham, uno de los primeros evaluadores, comenzará a experimentar con él en breve. Según Parry Bhatia, Director de Inteligencia Artificial de GE Healthcare, el objetivo es poner esta tecnología a disposición de los equipos técnicos para acelerar la investigación y los desarrollos clínicos.
Beneficios del Análisis en Tiempo Real con IA
Este modelo no solo proporciona un análisis detallado de imágenes, sino que también ofrece análisis en tiempo real, permitiendo a los profesionales de la salud realizar diagnósticos más rápidos y precisos. Dan Sheeran, gerente general de atención médica y ciencias biológicas en AWS, destaca que este avance tiene un gran potencial para transformar procedimientos médicos como biopsias, radioterapia y cirugía robótica.
Superando los Desafíos de los Datos Limitados
El entrenamiento de este modelo de IA ha sido posible gracias a la implementación de técnicas avanzadas como el aprendizaje semisupervisado y la adaptación de datos. GE Healthcare ha utilizado estrategias innovadoras para abordar los desafíos de las imágenes incompletas y los datos limitados, asegurando que el modelo sea eficiente y preciso incluso en entornos con recursos limitados.
Mejorando la Precisión con Menos Datos
El proceso de resonancia magnética requiere diferentes conjuntos de datos para optimizar las imágenes. GE Healthcare ha empleado un enfoque de «cambio de tamaño y adaptación» para que el modelo pueda procesar variaciones de datos, enseñándole a ignorar las áreas faltantes y centrarse en la información disponible.
La Multimodalidad del Modelo: Un Salto Cuantitativo
El modelo de IA desarrollado por GE Healthcare es multimodal, lo que significa que puede trabajar con diferentes tipos de datos, como imágenes y texto, de manera simultánea. Esto mejora el flujo de trabajo, permitiendo que el modelo unifique y analice tanto imágenes médicas como descripciones textuales relacionadas.
AWS SageMaker: La Clave para el Entrenamiento y la Computación en la Nube
GE Healthcare ha utilizado Amazon SageMaker para superar los desafíos de computación derivados del tamaño de los datos 3D. SageMaker les ha permitido realizar entrenamientos a gran escala, distribuyendo la carga de trabajo entre múltiples GPUs de alto rendimiento y optimizando los costos operativos a través de la elasticidad de la nube.
Eficiencia en la Computación y Cumplimiento de Normativas
Gracias al uso de AWS, GE Healthcare ha logrado entrenar modelos de IA con mayor eficiencia, manteniendo al mismo tiempo el cumplimiento con las regulaciones de privacidad, como la HIPAA.
Perspectivas Futuras: Expansión a Otras Áreas Médicas
Aunque el modelo está diseñado específicamente para resonancias magnéticas, sus aplicaciones podrían expandirse a otras áreas médicas, como la radioterapia y los procedimientos quirúrgicos. Sheeran enfatiza que la IA generativa permitirá la creación rápida de nuevos modelos especializados en función de las necesidades clínicas, lo que transformará la manera en que se analizan las imágenes médicas.
