En un emocionante avance para la ciencia médica y la inteligencia artificial, se ha presentado una innovadora técnica llamada Malenia, diseñada para mejorar la segmentación de lesiones en imágenes médicas tridimensionales (3D) de tomografía computarizada (CT). Este método novedoso busca abordar el desafío crítico que representa la transferencia del conocimiento a nivel de imagen a tareas de segmentación de píxeles, particularmente en el contexto de lesiones aún no vistas por el modelo durante su entrenamiento.
El principal reto radica en la variedad y complejidad de características visuales patológicas, lo que ha constituido una barrera para los métodos existentes que luchan por alinear características finas de las lesiones con sus correspondientes representaciones textuales de enfermedades. Con Malenia, los investigadores han desarrollado un marco de alineación entre máscaras de nivel de lesión y atributos textuales, optimizando de esta manera el reconocimiento y segmentación de nuevas enfermedades.
La base de Malenia es su capacidad para vincular características visuales de lesiones nuevas con el conocimiento extensible aprendido de previamente vistas. Esto se logra a través de un módulo de Inyección de Conocimiento Cruzado (CMKI) que intensifica las características visuales y textuales mediante información mutuamente beneficiosa, guiando eficazmente la generación de resultados de segmentación.
Este método ha sido validado exhaustivamente mediante experimentos en tres conjuntos de datos y 12 categorías de lesiones, donde Malenia consistentemente mostró un rendimiento superior en comparación con métodos de vanguardia. Los investigadores aseguran que los códigos para este marco estarán disponibles públicamente, fomentando así futuras mejoras y aplicaciones.
El impacto de Malenia en la práctica clínica reside en su capacidad para reconocer y segmentar enfermedades no conocidas previamente, una necesidad creciente dada la diversidad y prevalencia de nuevas anomalías que surgen en los escenarios clínicos. Este avance representa un nuevo paradigma en el diagnóstico y detección de enfermedades, abriendo posibilidades para la aplicación de métodos de lenguaje de visión 3D en la medicina.
Malenia no solo mejora la capacidad de segmentación de lesiones ya vistas, sino que también introduce un sistema innovador que imita el proceso de toma de decisiones de los expertos humanos al vincular explícitamente características visuales de enfermedades no vistas a atributos intrínsecos aprendidos a partir de lesiones conocidas, incrementando así significativamente la capacidad del modelo para reconocer y segmentar una variedad de lesiones no vistas.