Cómo construí un modelo de IA para detectar enfermedades respiratorias

Otro de los temas que me fascina bastante es el tema de la Inteligencia Artificial. Como persona que vio como salió ChatGPT a finales de 2022 mientras estaba en la carrera, y presenció el ascenso meteórico de los diferentes modelos existentes, más aún teniendo en cuenta que era un área con el que no contaba para nada al empezar mi grado, no pude evitar sumergirme en ella.

Lo que empezó como simple curiosidad se ha convertido en uno de mis mayores intereses, y acabó materializándose en uno de los proyectos que más aprecio y que desarrollé durante el transcurso de la asignatura de Inteligencia Artificial, aprovechando el contexto de la misma.

Dicho proyecto consiste en un detector de enfermedades respiratorias en base a una serie de radiografías de tórax de los pulmones. En primer lugar, predice si existe enfermedad y en caso de haberla, predice el tipo entre tres posibles: COVID-19, Neumonía Viral y Opacidad Pulmonar.

Cómo funciona

El sistema se divide en tres modelos que trabajan en cadena:

  • U-Net (segmentación), procesa cada radiografía y genera una máscara binaria que aísla únicamente el tejido pulmonar, eliminando el ruido visual del resto de estructuras.
  • Clasificador binario, recibe la imagen segmentada y determina si el paciente está sano o enfermo.
  • Clasificador multiclase, si el paciente está enfermo, identifica la patología concreta entre COVID-19, Neumonía Viral y Opacidad Pulmonar.

Todo el desarrollo se realizó en Google Colaboratory usando TensorFlow/Keras.

Resultados y limitaciones
  • Segmentación U-Net, IoU superior al 95%, la máscara predicha coincide casi perfectamente con la dibujada por expertos.
  • Clasificador binario, sensibilidad del 88% para enfermos, con sesgo deliberado hacia los falsos positivos, ya que enviar a casa a un paciente enfermo es mucho más grave que retener a uno sano.
  • Clasificador multiclase, funciona bien en general, aunque tiende a confundir COVID-19 con Opacidad Pulmonar, algo esperable dado que ambas patologías producen manchas blancas similares en las radiografías.

Este sistema está pensado como herramienta de apoyo para profesionales sanitarios, no como sustituto del diagnóstico médico.

Ejemplo

Clasificación de una serie de radiografías de tórax