Mario Pascual, estudiante de Ingeniería de la Salud de la Universidad de Málaga (UMA), ha obtenido el tercer premio al mejor trabajo de fin de grado (TFG) del año en España, concedido por la Asociación Española para la Inteligencia Artificial (AEPIA).
El trabajo, titulado Predicción del crecimiento del meningioma en resonancia magnética multimodal mediante técnicas de aprendizaje profundo, ha sido reconocido en la categoría general, en la que concurría el mayor número de proyectos.
La investigación explora cómo utilizar la inteligencia artificial para predecir el crecimiento de los meningiomas, tumores cerebrales cuyo seguimiento puede beneficiarse del análisis de imágenes médicas tomadas en distintos momentos.
Tres años para reunir datos sobre la evolución de los tumores
El proyecto comenzó en 2023, después de que Pascual conociera a la doctora Almudena Pérez Lara, del Hospital Regional Universitario de Málaga, durante un seminario de la asignatura de Imágenes Biomédicas de la UMA. En aquel encuentro surgió el reto de investigar cómo predecir el crecimiento de los meningiomas.
Uno de los principales obstáculos era la falta de datos adecuados. Para estudiar la evolución de un tumor no basta con disponer de una única resonancia magnética: se necesitan varias pruebas del mismo paciente realizadas a lo largo del tiempo, que permitan observar los cambios.
«Para realizar predicción de crecimiento, necesitábamos datos longitudinales —es decir, varios estudios de un mismo paciente a lo largo del tiempo donde se pudiera observar el crecimiento del tumor—. Sin embargo, hasta la fecha, no existía información de este tipo sobre meningiomas», explica Pascual.
Durante aproximadamente tres años, el estudiante colaboró con el Hospital Regional para crear un conjunto de datos de estas características. El investigador considera que disponer de esta información constituye uno de los principales logros del proyecto, ya que permite abordar la predicción del crecimiento tumoral a partir de la evolución observada en diferentes pruebas de imagen.
Inteligencia artificial para analizar resonancias magnéticas
El trabajo combina técnicas de aprendizaje profundo con imágenes de resonancia magnética. Para ello, adapta una red neuronal de gran tamaño, entrenada previamente con millones de imágenes de resonancia magnética, a una tarea específica: delimitar el tumor y analizar su evolución.
La adaptación se realiza mediante una técnica conocida como Low-Rank Adaptation (LoRA), que permite ajustar un modelo a una tarea concreta mediante componentes adicionales, sin tener que modificar todos sus parámetros. En este proyecto, esos componentes se entrenaron exclusivamente con datos públicos.
Según la descripción del trabajo, este procedimiento permite mantener los datos privados del Hospital Regional fuera de los pesos del modelo, una medida orientada a proteger la privacidad de los pacientes.
La investigación incorpora, además, una estimación de la incertidumbre del sistema. En lugar de limitarse a señalar qué región de la imagen corresponde al tumor, el modelo de segmentación también estima hasta qué punto puede equivocarse en esa delimitación.
Esa información se transmite al modelo temporal encargado de predecir el crecimiento del tumor. El objetivo es obtener intervalos de crecimiento calibrados y adaptados a cada paciente, en lugar de ofrecer una única estimación sin reflejar la incertidumbre asociada.
Un trabajo dirigido por investigadores de la UMA y el IBIMA
El TFG ha sido dirigido por Ezequiel López, catedrático de la Escuela Técnica Superior de Ingeniería Informática e investigador responsable del grupo de Inteligencia Computacional y Análisis de Imágenes de IBIMA Plataforma BIONAND.
La codirección ha corrido a cargo de Francisco Sendra, profesor de la Facultad de Medicina e investigador responsable del grupo de Inteligencia Artificial en Imagen Médica. La doctora Almudena Pérez Lara, del Hospital Regional Universitario de Málaga, ha colaborado en la obtención de los datos y en la interpretación de los resultados.
El reconocimiento de la AEPIA distingue así un proyecto que combina inteligencia artificial, análisis de imágenes médicas y colaboración entre la universidad y el hospital para abordar un problema de interés clínico: anticipar cómo puede evolucionar un tumor cerebral a partir de pruebas de imagen.
