El mundo de la inteligencia artificial en imágenes médicas ha alcanzado un nuevo hito con la introducción de un innovador modelo de generación de tomografías computarizadas (CT) a partir de texto. Este avance, liderado por el equipo de investigadores de la Universidad Campus Bio-Médico de Roma, integra un modelo de difusión latente con un preentrenamiento contrastivo de visión-lenguaje, ofreciendo una solución escalable y controlada para la creación de volúmenes CT clínicamente significativos.
Hasta la fecha, el desafío de extender la generación de imágenes a volúmenes 3D no había sido abordado de forma efectiva debido a la alta dimensionalidad y complejidad anatómica de los datos, así como la ausencia de marcos robustos que alineen los datos de visión y lenguaje en imágenes médicas tridimensionales. La solución presentada introduce una arquitectura novedosa que utiliza un modelo de difusión latente y un esquema de preentrenamiento contrastivo de visión-lenguaje en 3D, estableciendo un espacio de imágenes compartido.
Los resultados de esta investigación se evaluaron en el conjunto de datos CT-RATE, destacando que el nuevo modelo supera significativamente las bases de referencia en la generación de CT a partir de texto. Además, los escaneos CT sintetizados por este marco no solo son competitivos, sino que también pueden aumentar eficazmente los datos reales, mejorando el rendimiento diagnóstico en tareas posteriores.
Un logro clave de este estudio ha sido demostrar que el alineamiento de visión-lenguaje específico para la modalidad es un componente esencial para la generación de imágenes médicas 3D de alta calidad. Al integrar el preentrenamiento contrastivo con la difusión volumétrica, el método ofrece una solución escalable y controlada para la síntesis de volúmenes CT a partir de texto, abriendo nuevas aplicaciones en la ampliación de datos, la educación médica y la simulación clínica automatizada.
En conclusión, este avance podría beneficiar a investigadores en el ámbito de la IA médica, en particular aquellos enfocados en modelado generativo, alineamiento multimodal, o ampliación de datos en imágenes 3D. También podría ofrecer soluciones escalables para la simulación de datos clínicos, transformando significativamente la forma en que se genera y utiliza la imagen médica.