#MSPOncología l El modelo basado en IA denominado ADL-BCD integra técnicas de deep learning para mejorar el diagnóstico temprano, reducir errores en la detección convencional y salvar más vidas mediante un análisis preciso de las mamografías. ¡Ahora! El Dr. José Escorcia Gutiérrez, quien desarrolló el modelo explica las cinco etapas clave del proceso ¡Comparte!
#MSP: El lugar donde médicos, profesionales de la salud y pacientes pueden entrar. #SomosCiencia
#MSPLíderesPioneros #MSPLegadoQueInspira
#MSP: El lugar donde médicos, profesionales de la salud y pacientes pueden entrar. #SomosCiencia
#MSPLíderesPioneros #MSPLegadoQueInspira
Categoría
🗞
NoticiasTranscripción
00:00No aparezco en tus momentos íntimos para molestar.
00:29Puedes ignorarme, pero no voy a desaparecer.
00:32Lo mío no es broma.
00:33Soy el dolor durante el sexo.
00:35Si me conoces, podrías padecer de endometriosis, una condición seria.
00:39Conoce más sobre la misma visitando eldolordeendoeserio.com
00:43Bienvenidos a este nuevo espacio de la revista Medicina y Salud Pública,
00:49revista que lleva más de 20 años visibilizando temas de ciencia, salud y medicina.
00:54Mi nombre es Laurequillo y hoy hablaremos sobre un avance realmente interesante y pertinente en la actualidad.
01:02Se trata de una herramienta basada en la inteligencia artificial para mejorar el diagnóstico temprano del cáncer de mama.
01:09Recordemos que el cáncer de mama es el cáncer más común y es la primera causa de muerte por cáncer en las mujeres en las Américas.
01:17Por lo cual, este modelo ayudaría a detectar lesiones de forma más temprana.
01:23Sobre este tema, vamos a conversar con el doctor José Escorcia Gutiérrez,
01:28investigador de la Universidad de la Costa de Barranquilla, Colombia,
01:32quien lideró el desarrollo de este modelo.
01:35Doctor José, bienvenido a la revista y gracias por acompañarnos.
01:39Muchas gracias.
01:39Gracias. Saludos a toda la audiencia y a ti en particular.
01:44Y bueno, tú me dirás en que puedo colaborar y apoyar en todo esto de la investigación que estamos desarrollando al interior de la Universidad de la Costa.
01:55Doctor, es un gusto.
01:56Para empezar y contextualizarnos un poco,
01:59¿podría explicarnos cómo funciona y de qué trata este modelo basado en inteligencia artificial
02:05que usted desarrolló para detectar el cáncer de mama?
02:10Bueno, la primera precisión, bueno, no solamente lo desarrollé yo,
02:14somos varios colegas, amigos desde diferentes universidades,
02:19no solamente la Universidad de la Costa,
02:21también participaron investigadores de la Universidad Autónoma del Caribe,
02:26investigadores en España,
02:29y si más no estoy también en Egipto, también hubo participación.
02:34Pero bueno, digamos que sí, se le lideró directamente desde la Universidad de la Costa,
02:38y lo que estábamos buscando es con toda esta revolución que hay ahorita con las herramientas inteligentes
02:44o lo que se denomina inteligencia artificial,
02:48pues estamos tratando de aportar en el diagnóstico médico.
02:53Lo que nosotros buscamos no es reemplazar al equipo médico para nada,
02:56al contrario, es como asistirlo en su tarea diaria,
02:59porque es una tarea desgastante en la cual lo que buscamos es minimizar los costos de salud,
03:06hacer mucho más rápido el diagnóstico y mucho más confiable.
03:09Pues la investigación ahorita, en estos momentos, pues fue desarrollada en primera fase.
03:15Se tuvieron muy buenos resultados, se han comparado por resultados a nivel internacional
03:21con diferentes investigadores que también trabajan en esta línea,
03:24y pues nos hemos acercado a ellos.
03:26Por supuesto, nosotros apenas en Colombia estamos dando los primeros pasos en esta línea,
03:30en lo que tiene que ver con la detección del cáncer de mama,
03:32y no solamente en temas de mujeres, también en la parte de hombres,
03:37porque nosotros los hombres también sufrimos de cáncer de mama, aunque no los creamos,
03:41y la base de datos precisamente con la que trabajamos hay ambos sexos.
03:45Y se han logrado buenos resultados, que sí, bueno,
03:49estamos precisamente ahorita en conversación con una empresa en Bogotá
03:53que le ha interesado los resultados, sin embargo, pues llevar esto ya directamente
03:58al sistema médico en Colombia, pues hay un trámite bastante fuerte de validación
04:04que nos toca sustituir, y parte de eso, pues nos estamos asociando.
04:08Digamos que la investigación ahorita está a nivel de resultados,
04:12tenemos que pasar ahorita a lo que tiene que ver con implementación,
04:15y luego validación para finalmente poder comercializarlo en nuestros hospitales,
04:22clínicas y centros de salud.
04:23Doctor, me gustaría saber, ¿qué papel juega la inteligencia artificial en este modelo?
04:29¿Cómo fue aplicado?
04:31Bueno, lo que nosotros buscamos precisamente es llevar la experticia del médico,
04:37el cual hace precisamente el diagnóstico de cáncer de mama,
04:42procedimiento bastante claro, se le toma una imagen radiográfica al paciente,
04:47o a la paciente, y luego el médico la analiza, entonces, de manera manual,
04:53a juicio, por supuesto, de sus estudios, su experiencia,
04:58pues detecta ciertas anomalías en las imágenes,
05:02y estas anomalías, pues, él tiene una rúbrica que ya está validada,
05:08y pues puede categorizar si hay cáncer de mama o no hay cáncer.
05:13Nosotros ahorita lo llevamos solamente a nivel de detección,
05:15es decir, si en verdad el paciente tiene o no tiene,
05:17más no hemos todavía logrado clasificar el nivel de severidad.
05:22Lo que busca la inteligencia artificial es precisamente llevar el conocimiento
05:27del experto, en este caso el médico,
05:30hacia algoritmos que se encargan de hacer la misma búsqueda
05:33que hace el experto a través de su experiencia,
05:36de esa redundancia, de manera visual.
05:39Entonces, si te das cuenta, el componente principal
05:43de lo que denominamos inteligencia artificial
05:45viene directamente del experto,
05:47entonces no podemos hacer este trabajo
05:50si no tenemos el apoyo del equipo médico.
05:53Doctor, ¿cuáles considera que son las principales innovaciones
05:57o ese factor diferencial
05:58respecto a otros métodos tradicionales de diagnóstico?
06:03Bueno, este tema de la inteligencia artificial no es nuevo,
06:08se viene trabajando en cáncer de mama,
06:10pues cuando tuve la oportunidad de hacer mi doctorado
06:12en el año 20, 20, más o menos,
06:18en el año 2020 ya habían desarrollos
06:21en la universidad donde yo estaba, en Europa,
06:23y vi bastante desarrollo en esta línea.
06:28Cuando regresé a Colombia, pues digamos que
06:31vi la oportunidad de desarrollar una nueva técnica
06:36que compitiera para ver qué resultados
06:40a nivel preliminar podíamos obtener aquí en Colombia.
06:45Y efectivamente, pues nos acercamos mucho
06:47a una línea de trabajo que ya llevaba
06:49alrededor de cinco años trabajando en esta parte.
06:52Por eso digo que los resultados son buenos.
06:55Por supuesto, falta todavía mejorarla,
06:57falta todavía refinar los algoritmos.
07:02Nos falta, por ejemplo, apoyo para lograr
07:05una base de datos propia aquí en Colombia.
07:07Sí que las hay, pero pues tener acceso a ellas
07:10lleva un trámite burocrático bastante fuerte
07:13por temas de confidencialidad y demás.
07:16De hecho, las imágenes con las que trabajamos
07:18son de un hospital de Egipto,
07:23en el cual nos facilitó esta parte
07:25por propósitos científicos, ¿no?
07:28Aquí precisamente estamos ahorita
07:30con la clínica abonadora haciendo estos acercamientos
07:32para ver si podemos lograr hacer unos estudios,
07:36lógicamente respetando todo el tema
07:38de privacidad de los pacientes,
07:40para ver cómo se comportan nuestros algoritmos
07:42con imágenes propiamente locales.
07:45Y pues digamos que todo esto hace parte
07:47como del interés de lo que nosotros hacemos
07:49en la academia.
07:51Y es precisamente mostrarle a los centros de salud,
07:55al gobierno, a diferentes fuentes
07:57de diferenciación pública y privada,
07:59pues que se interesen en lo que hacemos en la academia
08:02porque en verdad podemos hacer esas asistencias.
08:04En este caso que trabajo yo, pues en el equipo médico.
08:07Ok, entiendo.
08:09¿Esto podría cambiar tal vez por temas de raza?
08:13Ya que usted me cuenta que ese estudio
08:15pues se hizo en Egipto.
08:17Obviamente la parte genética, pues de allá es diferente, ¿no?
08:21Sí, es una variable.
08:23Toda la parte étnica, toda la parte también de edad,
08:26por ejemplo, el sexo, pues no podemos todavía decir
08:31o no hay un estudio donde yo pueda decir
08:33que el comportamiento a nivel de imágenes radiológicas
08:36que se está obteniendo para la detección de cáncer,
08:40pues tenga un mismo comportamiento.
08:42De eso lo harán precisamente cuando ya tenemos
08:44una base de datos, podamos implementar nuestros algoritmos
08:47y pues comparar resultados.
08:49Ahí podríamos de pronto validar esa hipótesis.
08:52En cuanto a sus resultados y a la efectividad
08:55de la detección del cáncer,
08:56¿tiene tal vez algún dato, alguna cifra
08:58en cuanto a la investigación?
09:01Bueno, nosotros la verdad tenemos unas métricas
09:04a nivel de ingeniería.
09:05Toda esta parte de lo que tiene que ver con sistemas
09:07de visión por computadoras que están basados
09:10en inteligencia artificial.
09:12Y pues a nivel de detección hemos superado el 90%.
09:15Nos hemos acercado bastante a lo que nos reseña
09:19la literatura, que está alrededor del 95%.
09:22Pues llevar al 100%, la verdad, siempre hay casos
09:25que inclusive la inteligencia artificial falla, ¿no?
09:29E inclusive el médico también experto falla.
09:32Entonces, pues aquí lo que estamos haciendo es como un double check
09:36en el cual el médico puede emitir su diagnóstico
09:39y aumenta ese diagnóstico con la confiabilidad
09:43que le pueda brindar la herramienta de inteligencia artificial.
09:47Porque, pues, él le puede decir, mira, sí, el sistema lo que puede decir,
09:51mira, el paciente X, pues tiene una probabilidad mayor al 90%
09:57de sufrir cáncer de mama, por ejemplo,
09:59y efectivamente es corroborado directamente con el personal médico.
10:05Tenemos una efectividad del 90%
10:08con una precisión también superior al 90%.
10:12Tengo entendido que también hicieron uso del desenfoque,
10:18perdón, del filtro gaussiano.
10:20¿Me podría explicar qué papel tiene, digamos,
10:24que este modelo dentro de la inteligencia artificial?
10:29Ok, digamos que toda la tarea como tal
10:31la desarrollamos directamente con modelos de deep learning,
10:34que es como lo que es tendencia ahorita,
10:36pues esto es una investigación que viene corriendo
10:40desde el año 2022.
10:43Fueron los resultados preliminares que pudimos obtener.
10:46Pues deep learning en ese momento era tendencia,
10:48ahorita hay otros modelos de deep learning mucho más avanzados,
10:52pues nos tocaría revisar esa parte.
10:54Y directamente con lo que tiene que ver con el filtro gaussiano,
10:57pues es una herramienta, en este caso,
10:59muy práctica, sencilla y bastante utilizada
11:02en este tipo de imágenes como para limpiarlas,
11:06porque siempre tienen ruido asociado
11:09cuando se adquieren el tipo de imágenes
11:11y es por la naturaleza de la imagen, ¿no?
11:13Entonces, pues el filtro gaussiano no es que nos aporte
11:16metodológicamente la novedad al trabajo,
11:20pero digamos que nos ayuda a lidiar con ese tipo de ruido,
11:25ya sea antes de, como parte de preprocesado y postprocesado,
11:31como para que el sistema de visión pueda detectar de manera más rápida
11:34y efectiva la patología que estamos buscando en este caso
11:39para poder emitir el diagnóstico.
11:42Hablando de desafíos, me podría comentar
11:45cuáles fueron esos desafíos que enfrentaron
11:47durante el desarrollo de las etapas del modelo.
11:50Bueno, fueron bastantes, sí, efectivamente,
11:53cuando nosotros comenzamos a estructurar un modelo,
11:55pues lo que buscamos es que sea un modelo propio,
11:58no tendría o no sería reconocido
12:01pues tomar un modelo de alguien más
12:03y simplemente lograrlo implementarlo,
12:05porque ahí no existiría novedad,
12:06sino simplemente a nivel de implementación
12:08y por supuesto habría que dar todos los créditos
12:10al modelo con el que se soporta la investigación.
12:14En este caso, pues digamos que la experiencia
12:16de todos los investigadores vamos aportando directamente
12:20a problemas que van saliendo durante la ejecución metodológica,
12:24como por ejemplo, comenzamos con la imagen,
12:26tenemos ruido, ¿qué hacemos?
12:28Entonces, bueno, la literatura dice que hay estos tipos de filtros,
12:30probemos para ver cuál va mejor.
12:32Entonces, ensayo y error, por decirlo así,
12:36y por supuesto ese ensayo y error metodológicamente
12:39validado experimentalmente, también, al igual que métricas,
12:43para poder saber cuál es el que se adapta a mejorar
12:45al tipo de necesidad que llevamos.
12:48Y pues ya el modelo de construcción de Deep Learning,
12:51que es el que se encarga de todo el diagnóstico inteligente,
12:54de igual manera, pues tenemos unos modelos bases,
12:57trabajamos con modelos preentrenados,
13:00que ya son reconocidos en la literatura,
13:02y con base en esa información, pues vamos mejorando las instancias,
13:06vamos probando nuevos optimizadores,
13:08vamos probando diferentes encoderes de CIDA,
13:11ya entraríamos con una materia de ingeniería bastante profunda,
13:15que nos llevaría a nosotros, por supuesto,
13:17no baja ciega, son modelos que han sido implementados
13:20en otro tipo de problemas,
13:21que guardan cierto grado de similitud
13:23con el que estaríamos lidiando en este caso.
13:27Me gustaría saber cuál es el pronóstico de este modelo,
13:30tal vez la idea es llevar este modelo
13:35como tal a los hospitales, ¿verdad?
13:38Me gustaría saber cómo va el proceso en eso.
13:40Bueno, ahorita, pues digamos que
13:42a nivel internacional e inclusive nacional,
13:48estamos adaptados a una norma,
13:50que es lo que se conoce como el nivel de madurez tecnológica,
13:53¿sí?
13:54Entonces, nosotros ahorita hicimos la investigación
13:56y esto lleva hasta, son nueve niveles.
13:58De los nueve niveles, pues los nueve niveles
14:00consideran lo que es investigación,
14:02lo que es desarrollo tecnológico
14:05y finalmente lo que es comercialización o validación.
14:11En este caso, pues nosotros solamente caminamos
14:13los primeros tres pasos, que es nivel TRL 3,
14:17que es lo que simplemente se reconoce
14:19como hemos desarrollado un modelo de manera de investigación,
14:22ha sido validado en condiciones controladas,
14:26con pruebas, con imágenes, bases de datos,
14:28de laboratorio, validados en el estado del arte.
14:31Entonces, lo que continúa precisamente
14:34es todo lo que tiene que ver con el desarrollo tecnológico ahora
14:37y es tomar eso que hicimos
14:39y llevarlo a una herramienta versátil, robusta
14:43y ojalá portable,
14:45en el cual, pues, se puede integrar
14:47a manera de equipo con los equipos actuales
14:50que están en la parte de imágenes
14:52y que, pues, directamente pueda darle
14:54ese diagnóstico al radiólogo
14:57o al médico especialista del caso.
15:01Ya eso sería como en ambiente real
15:04y luego pasaríamos ya a lo que tiene que ver
15:07con comercialización o validación
15:09y ya esto es directamente, pues,
15:11revisar en detalle toda la norma
15:13que tiene el Ministerio de Salud
15:16de tal manera de que pueda ser aceptado este sistema.
15:19Doctor, ¿y sería posible usar este mismo modelo
15:24de inteligencia artificial?
15:26Ah, me gustaría también nombrar el modelo
15:29Automated Deep Learning Based Breast Cancer Diagnosis.
15:34Ese fue el nombre que usted, pues, le dio al modelo.
15:38Me gustaría saber si también sería eficaz
15:42en algún otro tipo de cáncer.
15:43Sí, por supuesto.
15:45De hecho, nosotros venimos trabajando,
15:48digamos, bajo la misma idea.
15:50No es el mismo modelo como tal
15:52que sirve para todas las enfermedades,
15:55pero sí parte bajo la premisa
15:58de la misma base de conocimiento
16:01de cómo elaboramos el modelo
16:02para la detección temprana de cáncer de mama.
16:06Hemos trabajado a nivel de cáncer,
16:09en la parte cáncer de pulmón,
16:11también en su momento estuvimos trabajando bastante
16:14con temas de COVID.
16:16Ahorita estamos trabajando
16:17por lo que tiene que ver con edema macular,
16:20que se conoce también como,
16:21no es un cáncer propiamente,
16:23pero sí está relacionado directamente
16:24con la diabetes.
16:26Y, pues, digamos que es como
16:27la pérdida total de la vista.
16:30Se puede conocer como una isquemia,
16:32por llamarlo así, pero a nivel ocular.
16:36Hemos trabajado también en cáncer colorectal.
16:38Hemos tenido la oportunidad de trabajar
16:41en sociedad, por supuesto,
16:44desde la Universidad de la Costa,
16:46en conjunto con equipos médicos internacionales
16:49e instituciones de educación superior
16:52también a nivel internacional.
16:55Entonces, pues, por supuesto,
16:56esto abre el campo de oportunidades
17:00de colaboración, de nuevas enfermedades
17:02o enfermedades ya existentes
17:03donde no se han implementado
17:05modelos de machine learning.
17:06Entonces, digamos que la invitación
17:08siempre está abierta
17:09y ya uno se va dando a conocer
17:10como equipo, por supuesto,
17:13ante la sociedad científica.
17:15Entonces, recibimos invitaciones
17:17a través de la universidad.
17:19Por ejemplo, lo que les comentaba ahorita
17:20de que una empresa de Bogotá
17:22se interesó bastante en la investigación
17:23y que quiere hacer validaciones
17:26para ver si de pronto los resultados
17:29se pueden llegar a implementar y validar,
17:32pues, se hace directamente
17:33a través de la Universidad de la Costa.
17:35Importantísimo eso que nos dice, doctor,
17:38y esperemos que nos ayuden a detectar
17:40el cáncer de mama
17:41y también otros cánceres en la actualidad.
17:45Doctor, finalmente,
17:46desde su perspectiva como investigador,
17:49¿cómo ve el futuro
17:50de la inteligencia artificial
17:51en el diagnóstico médico
17:53y específicamente en la oncología?
17:55Bueno, no veo el futuro.
17:59Creo que ya estamos en el presente,
18:01está inmersa en nosotros.
18:03De hecho, el llamado es para todos,
18:07no solamente para la sociedad académica,
18:09sino también para la sociedad en general,
18:12quienes también trabajan en industria.
18:13ya debemos saber comunicarnos
18:16con todo esto
18:18en lo que es la inteligencia artificial.
18:20Yo creo que ahorita el futuro
18:21es saber comunicarnos con ella
18:22porque lo que se veía inalcanzable
18:25hace 20 años, pues, hoy es una realidad.
18:28Existen modelos
18:30que ya nos ayudan,
18:32diseñan algoritmos,
18:33ya no es necesario comenzar
18:34desde cero esa parte.
18:35Entonces, creo que ahorita
18:39lo que requerimos
18:41es, pues, tener como
18:42esas competencias
18:44de poder entender
18:45cómo comunicarnos
18:46con la inteligencia artificial.
18:48Yo creo que ese es el futuro
18:49porque ya lo que está desarrollado
18:52a nivel de IA
18:53ya es una realidad.
18:55Y también entender
18:56que no va a reemplazar como tal
18:58al personal médico,
18:59sino que va a ser,
19:01digamos que una herramienta
19:02para que, pues,
19:04se puedan actualizar
19:05y también puedan salvar muchas vidas.
19:08Por supuesto.
19:08A ver, todos estos modelos
19:09de inteligencia artificial,
19:10digamos que el mito
19:12que puede haber
19:13es que va a reemplazar
19:14directamente a nosotros,
19:17los humanos,
19:18no solamente en el campo médico,
19:19sino en cualquier área
19:21o disciplina.
19:22Pues, eso es totalmente falso
19:23porque los modelos ahorita
19:24de inteligencia artificial
19:25están basados
19:26en toda la inteligencia
19:28del ser humano.
19:29¿Sí?
19:29Entonces, pues,
19:30digamos que la única diferencia
19:32es que si un médico,
19:34pues, puede proceder
19:34procesar al día,
19:36no sé,
19:3610 pacientes,
19:37la inteligencia artificial
19:38puede multiplicar esto
19:39hasta por 100.
19:40Pero, por supuesto,
19:41no podemos confiarnos
19:42directamente
19:43de ese diagnóstico.
19:46Por eso es que yo siempre
19:46hablo de asistencia
19:47al personal médico,
19:49porque finalmente
19:49el personal médico
19:50es quien tiene las competencias
19:52para emitir un concepto.
19:54ahorita no podemos
19:55delegar eso
19:55en una máquina.
19:57Así es.
19:58Doctor, mil gracias
19:59por compartir
19:59esta información
20:00de este revolucionario
20:02modelo basado
20:03en la inteligencia artificial.
20:05Estaremos pendientes
20:06de lo que pasa,
20:07de lo que acontece
20:07a partir de ello.
20:09Gracias,
20:09doctor Escocia.
20:10Esto ha sido todo
20:11por el día de hoy.
20:12Vale,
20:12muchas gracias.
20:13Hasta luego.
20:14Bueno,
20:14como siempre
20:15a todos los que nos están viendo,
20:16si les gusta este contenido,
20:18los invito a buscar
20:19la página web
20:19www.revistamsp.com
20:22y a seguirnos
20:23a través de todas
20:24nuestras redes sociales
20:25como
20:25arroba revista MSP,
20:27el lugar donde la ciencia
20:28siempre es noticia.
20:30Les informo Laura aquí.
20:31El dolor que causa
20:33la endometriosis
20:33no es un show,
20:35es un dolor extremo
20:36durante la menstruación
20:38y durante el sexo.
20:39Endometriosis,
20:40tómala en serio.
20:41A ella y a la enfermedad.
20:43Habla con tu médico
20:43y visita
20:44eldolordeendoeserio.com
20:46En MSP
20:47convertimos
20:48la ciencia en noticia.
20:50Por más de 20 años
20:51hemos sido líderes
20:52en salud,
20:53ciencia y bienestar
20:54en Puerto Rico
20:55y al Caribe.
20:56Síguenos
20:57en nuestras redes
20:57como
20:58arroba revista MSP
21:00y visita
21:01www.revistamsp.com
21:04para más información
21:06de calidad
21:06porque
21:07en MSP
21:08somos ciencia.