Imagine diagnosticar el cáncer en lugar de con una supercomputadora, sino con una laptop común y corriente. ¿Suena a ciencia ficción? Gracias a un revolucionario modelo de inteligencia artificial (IA) desarrollado por el profesor Kenji Suzuki y su equipo de investigación del Instituto de Ciencias de Tokio (Science Tokyo), este escenario improbable ya es una realidad.
por el Instituto de Ciencias de Tokio
Presentado en la Reunión Anual de 2024 de la Sociedad Radiológica de Norteamérica (RSNA) , el equipo presentó un modelo ultraligero de aprendizaje profundo que facilita el diagnóstico del cáncer de pulmón sin depender de costosos servidores con unidades de procesamiento gráfico (GPU) ni de grandes conjuntos de datos. Desarrollado mediante un enfoque único de aprendizaje profundo basado en redes neuronales artificiales de entrenamiento masivo (MTANN), el modelo se entrenó y probó en tan solo una computadora portátil estándar, logrando lo que antes requería centros de datos completos.
La IA, entrenada mediante modelos de aprendizaje profundo, ha cobrado gran importancia en los últimos años, impulsando innovaciones en múltiples campos de investigación. También se ha reportado que, si un modelo de aprendizaje profundo se entrena con una gran cantidad de datos, como un millón de imágenes, puede alcanzar un rendimiento que supera el de las tecnologías convencionales e incluso el de los humanos.
Mientras que la mayoría de los modelos se basan en big data , el modelo de IA desarrollado por el equipo de Suzuki es único: a diferencia de los modelos de IA a gran escala convencionales, no requiere conjuntos completos de imágenes médicas. En su lugar, aprende directamente de píxeles individuales extraídos de imágenes de tomografía computarizada (TC). Esta estrategia redujo significativamente el número de casos necesarios de miles a tan solo 68.
A pesar de haber sido entrenado solo con un pequeño conjunto de datos, el modelo superó a los sistemas de IA a gran escala de última generación, como Vision Transformer y 3D ResNet, logrando un rendimiento de discriminación correspondiente a un valor de área bajo la curva (AUC) de 0,92 (frente a valores de AUC de 0,53 y 0,59 para los modelos tradicionales de última generación (SOTA), respectivamente).
Una vez entrenado, el proceso de entrenamiento completo solo toma 8 minutos y 20 segundos en una computadora portátil estándar y puede generar predicciones de diagnóstico a una velocidad sin precedentes de 47 milisegundos por caso.
«Esta tecnología no solo busca abaratar o acelerar la IA», afirma Suzuki. «Se trata de hacer accesibles potentes herramientas de diagnóstico, especialmente para enfermedades raras donde es difícil obtener datos de entrenamiento. Además, reducirá sustancialmente el consumo de energía para el desarrollo y uso de la IA en los centros de datos y puede resolver el problema de escasez de energía global que podríamos enfrentar debido al rápido crecimiento del uso de la IA».
En reconocimiento a su importancia, la investigación del equipo recibió el codiciado Premio Cum Laude en la RSNA 2024, un honor que solo recibió el 1,45 % de las 1312 presentaciones. Si bien esta innovación sin duda tendrá un impacto transformador en el diagnóstico del cáncer , es un testimonio del profundo conocimiento y la inquebrantable dedicación de Suzuki.
Con una profunda experiencia en el campo de la IA biomédica, Suzuki fue el primero en inventar la tecnología MTANN (utilizada en la investigación actual) a principios de la década de 2000. Fue uno de los primeros modelos de aprendizaje profundo que desarrolló y mejoró. En sus 25 años de experiencia investigadora, Suzuki ha realizado importantes contribuciones a su campo, con más de 400 publicaciones y más de 40 patentes, la mayoría de las cuales han sido licenciadas y comercializadas.
Además, entre sus logros recientes se incluye su rol como moderador de sesión en la 39.ª Conferencia Anual AAAI sobre Inteligencia Artificial . Recibió dos de las más altas distinciones de la RSNA por su investigación en 2024. Además, se le reconoce entre el 2% de los mejores científicos del mundo.
Suzuki continúa liderando investigaciones pioneras en la intersección de la IA y la imagenología médica, impulsando activamente la colaboración interdisciplinaria que amplía los límites de lo que la IA puede lograr en la práctica clínica. El trabajo de su equipo en modelos de diagnóstico compactos y de alto rendimiento ejemplifica cómo el pensamiento innovador, combinado con la implementación práctica, puede acortar distancias entre la ingeniería y la medicina.
Con un entorno de investigación dinámico y una sólida red de colaboradores, Suzuki no solo está avanzando en el campo de la IA biomédica, sino que también está ayudando a dar forma a la próxima generación de tecnologías médicas traslacionales.
