Por BR.-La Asociación Europea de Lógica Difusa y Soft Computing (EUSFLAT) ha premiado un trabajo de investigación del grupo de Inteligencia Artificial de la Universidad Pública de Navarra: El grupo ha desarrollado un algoritmo para mejorar la delimitación de tumores cerebrales en imágenes médicas.

Un trabajo del grupo de Inteligencia Artificial y Razonamiento Aproximado (GIARA) de la Universidad Pública de Navarra, con el que se ha logrado desarrollar un algoritmo para mejorar la delimitación de los tumores cerebrales en imágenes médicas, ha sido premiado por La Asociación Europea de Lógica Difusa y Soft Computing (EUSFLAT).

La decisión fue tomada durante la última reunión bienal (EUSFLAT 2013) que esta asociación celebró la semana pasada en Milán.

Según Aránzazu Jurío, una de las autoras del trabajo, “cuando el médico decide por dónde debe separar el tejido tumoral del tejido sano, nuestro algoritmo le da la garantía de que nunca va a escoger la peor de las posibilidades porque, de manera automática, le ofrece una solución mejorada”.

El trabajo se centra en el estudio de imágenes de cerebros obtenidas a través de resonancia magnética. En concreto, han desarrollado un algoritmo para mejorar el proceso de segmentación de imágenes.

“Mediante la segmentación se separan cada uno de los objetos que forman parte de la imagen. Se analiza cada píxel de manera que todos los que tengan ciertas características en común, se consideran parte del mismo objeto”, añade la investigadora.

Jurio también subraya que en el caso de las imágenes médicas, este proceso es fundamental para la delimitación de tumores "donde, si pensamos en zonas como el cerebro, tres milímetros de diferencia pueden marcar la diferencia entre la curación o afectar zonas como el habla o la vista".

Consenso de funciones

Por su parte, Humberto Bustince, otro de los autores, señala que a la hora de delimitar un tumor crerebral un equipo de varios médicos, es muy probable que cada uno de ellos tenga una opinión de cómo hacerlo.

"Ahora, con el método propuesto, automáticamente van a tener una serie de opciones que, en cualquier caso, siempre van a mejorar la peor elección. Hemos logrado que, aunque elijan la peor opción, se equivoquen lo menos posible”, destaca.

Otro de los factores a los que los expertos en inteligencia artificial tienen que enfrentarse es al de las variaciones temporales, puesto que las imágenes médicas varían en el tiempo y, en muchas ocasiones, en un breve espacio temporal. “Todos estos algoritmos permiten la aplicación en tiempo real, ya que lo que puede ser útil para una imagen en un momento dado, puede no serlo pasado un tiempo”, explica el profesor Bustince.

“El nuevo algoritmo hace una especie de consenso entre las distintas funciones para obtener una mejor solución", concluyen los responsables.