Más de 4.700 videos endoscópicos y 8.834 imágenes de alta resolución componen GastroHUN, el primer repositorio abierto que documenta de forma sistemática el estómago humano –22 de sus regiones anatómicas– para entrenar una herramienta de inteligencia artificial (IA) médica.
Desarrollado por investigadores del Hospital Universitario Nacional (HUN) y la Universidad Nacional de Colombia (UNAL), este recurso busca mejorar la detección temprana del cáncer gástrico en el mundo
El cáncer gástrico sigue siendo una de las principales causas de muerte por cáncer. Según la Organización Mundial de la Salud (OMS), solo en 2022 se reportaron más de 960.000 nuevos casos y 660.000 muertes, siendo uno de los mayores desafíos su detección precoz, obstaculizada por la variabilidad en la calidad de los exámenes endoscópicos.
Según el doctor Martín Gómez, jefe del servicio de Gastroenterología del HUN, las tasas de omisión de lesiones pueden alcanzar el 25 % si no se siguen protocolos sistemáticos o si no se registra toda la cavidad gástrica. Para enfrentar esta dificultad, GastroHUN ofrece una colección estandarizada de imágenes y videos que permite entrenar algoritmos de IA capaces de auditar, asistir o diagnosticar automáticamente.
Este repositorio, el primero de su tipo en el mundo, incluye material extraído de 387 pacientes, registrado por un equipo de expertos y basado en el protocolo japonés Kenshi Yao, reconocido por su efectividad en la detección de lesiones premalignas. Las imágenes cubren 22 regiones anatómicas del estómago.
Un recurso validado y confiable
Una de las principales fortalezas de GastroHUN es su rigurosa curaduría. Cada imagen fue revisada independientemente por dos residentes y dos especialistas mediante un protocolo de etiquetado cuádruple ciego. Este método permitió establecer niveles de confiabilidad entre evaluadores, útiles para entrenar algoritmos con distintos grados de exigencia.
Gracias a esta validación, los investigadores disponen de un estándar de calidad único que acelera la adopción de herramientas de IA en entornos clínicos. El repositorio incluye secuencias dinámicas que capturan el contexto de cada región gástrica, lo que permite mejorar la calidad y consistencia de las exploraciones endoscópicas.
Además, el conjunto de datos está acompañado por modelos base de aprendizaje profundo —como ConvNeXt, ResNet y Transformers— que sirven como punto de partida para investigadores de todo el mundo. El modelo más preciso alcanzó un 88 % de acierto en la clasificación automática de las regiones anatómicas del estómago.
GastroHUN fue aprobado por el Comité de Ética del HUN y cuenta con consentimiento informado de los pacientes. La información fue anonimizada siguiendo estrictos protocolos éticos.
Un llamado a la comunidad científica
El artículo completo fue publicado en acceso abierto por la revista en línea Nature Scientific Data y está disponible, junto con el código y los modelos, en el repositorio oficial del proyecto en GitHub.
«Este es apenas el inicio. Nuestro objetivo es que la IA no solo potencie la labor médica, sino que además lleve exámenes de alta calidad a zonas rurales y poblaciones vulnerables», afirma el doctor Gómez. Actualmente los científicos trabajan en GastroVAR, una aplicación en tiempo real que ofrecerá retroalimentación al especialista durante el procedimiento, como parte del proyecto financiado por el Ministerio de Ciencia, Tecnología e Innovación, en Nariño.
