Un equipo de investigación de la Universidad de Málaga (UMA) ha desarrollado una herramienta basada en inteligencia artificial (IA) y clasificación automática de imágenes para mejorar la precisión de detección del melanoma, un tipo de cáncer de piel. El objetivo es comprender cómo "piensan" los sistemas de automatización para incrementar su eficacia y aplicarlos en distintos campos de la medicina.
Así, los expertos proponen una herramienta personalizada para cada programa de detección de lesiones, que mejora la toma de decisiones de los detectores "inteligentes" que se emplean en el ámbito médico y que, en última instancia, ayudan a los profesionales a realizar diagnósticos. Además, se trata de un método que puede emplearse con otros programas similares de detección, como los enfocados al cáncer de mama.
En su trabajo 'Explicación de algoritmos genéticos basados en conjuntos con segmentación de imágenes automatizadas: Un estudio de caso sobre un conjunto de datos de detección de melanoma' publicado en Computers in Biology and Medicine, los expertos utilizaron un enfoque basado en algoritmos genéticos -técnicas computacionales inspiradas en la evolución biológica- y la clasificación automática de imágenes para analizar y detectar patrones asociados al melanoma en un conjunto de fotografías.
La labor de los investigadores se centró en determinar cómo funciona el algoritmo -un código informático que ejerce una serie de pasos o instrucciones ordenadas en un programa y sirve para resolver un problema o realizar una tarea específica-. Sería el equivalente a una receta que guía a la máquina paso a paso para tomar decisiones. Así, el programa puede realizar cálculos y obtener resultados de forma lógica y eficiente, según reza un comunicado de la Fundación Descubre.
Cómo funciona el algoritmo
No obstante, han precisado que "no todos los algoritmos son transparentes, es decir, que las personas que lo están empleando no pueden saber por qué toman las decisiones que toman, ni qué receta o pasos de la misma ha seguido el sistema para obtener un resultado". "Son algoritmos 'de caja negra', como los que se usan en los bancos para evaluar préstamos o en las redes sociales. Nuestro trabajo se centra en explicar qué pasos y qué lógica sigue el que empleamos, enfocado a la detección de lesiones de la piel, para alcanzar conclusiones", ha señalado a la Fundación Descubre el investigador de la Universidad de Málaga José Manuel García-Nieto.
Para explicar cómo piensa el algoritmo, los expertos elaboraron un explicador. Este destaca sobre las fotografías las áreas en las que se central el sistema para detectar el melanoma. Gracias a él se puede observar cómo se iluminan distintos píxeles en amarillo. Así, los expertos pueden saber qué área está mirando el algoritmo de caja negra y qué proceso lógico sigue para determinar si, por ejemplo, una mancha es un melanoma o no.
Del mismo modo, para comprobar la efectividad de este explicador, el grupo de investigación Khaos reunió un conjunto de imágenes procedentes de bancos gratuitos y bases de datos médicas de carácter privado que contenían manchas, lunares, pecas y otras marcas de la piel. Normalmente, los médicos se fijan en los cambios de forma, color, tamaño o textura para determinar si son benignos o si han evolucionado en melanoma.
Entonces se percataron de que cuando el algoritmo acertaba, se fijaba en zonas muy características de las marcas de la piel, como los médicos. Mientras que cuando fallaba, se fijaba en áreas menos representativas. "Detecta distintas lesiones de la piel como el melanoma, nevus, queratosis y los lunares sanos", ha añadido José Manuel García.
Utilizar la IA como ya se hace con el cáncer de mama
Para contrastar la eficacia de esta herramienta, los expertos contaron con la colaboración del doctor Miguel Ángel Berciano de la Unidad de Oncología Intercentros del Hospital Universitario Virgen de la Victoria (Málaga), que junto con sus colaboradores, contrastaron las respuestas de algoritmo y orientaron a los investigadores sobre la veracidad de sus respuestas y sobre las zonas de interés para detectar posibles patologías en las marcas de la piel.
Comprobaron que el explicador funciona y han añadido que, a partir del mismo, "se puede enseñar al algoritmo a seguir los pasos adecuados para detectar los casos de melanoma más complicados". "El programa no sustituye en ningún caso la labor del diagnóstico de un médico, pero la proponemos como herramienta de prediagnóstico del melanoma, como ya se hace en otros hospitales con la IA que detecta el cáncer de mama", ha concluido García-Nieto.
El siguiente paso de la investigación es transferir este explicador a otros dominios distintos al ámbito médico, como la agricultura o la observación ambiental de la Tierra. De este modo, el explicador podría analizar, por ejemplo, los procesos lógicos que siguen los detectores inteligentes de plagas o cómo se procesan los datos climáticos para determinar los efectos de la sequía. "Nuestro objetivo es intentar que los algoritmos sean más transparentes y ofrecer recursos para mejorar la toma de decisiones que realiza la IA", ha detallado García Nieto.
