Revista Farmabiotec - Número 18

40 farmaBIOTEC #18 En este artículo intentaremos acercar al lector a la teoría del análisis de imagen basado en IA, subrayando el reto regulatorio que supone la inclusión de un compo- nente decisor no humano en la salud de las personas. Debemos empezar entendiendo las imágenes médi- cas como información. Si pensamos en una imagen en blanco y negro, podemos expresarla simplemente como una función f(x,y) que da un valor de gris a cada punto x, y del plano, para crear una superficie definida por una escala de grises en dos dimensiones. Por otro lado, como bien imaginó McCarthy y previo desarrollo de McCulloch y Pitts en 1943, la sinapsis neuronal de los humanos viene dada por un impulso eléctrico, cuya propagación tiene un sentido, y cuyo objetivo es la toma de una decisión (enten- dida como la respuesta adecuada al estímulo). De esta forma, la actividad cerebral y de procesamiento humano debe venir descrita por una relación lógica, una señal, una función, que caracterice de forma no ambigua su com- portamiento. Así se cimienta la creación de redes neuro- nales para el análisis de datos. Por tanto, las redes neuronales artificiales simulan su paralelo biológico de la siguiente forma: • Se crean una serie de nodos o neuronas (nos referi - remos a ellas indistintamente) conectadas entre sí (en forma de “feedforward” o “feedback” ). A cada nodo se le va asociar un peso w (de “weight” ) que representará la importancia de la información que está llegando a este nodo respecto a los otros. Así, estos pesos se actualiza- rán al finalizar cada ronda de entrenamiento de forma que se minimice el error entre la información que se ha predi- cho con la red y la realidad. La repetición de este proceso con distintos datos es el entrenamiento y aprendizaje. • A la entrada, tendremos la imagen, un conjunto de píxeles o señal definida por f(x,y) . Esta información (toda- vía bidimensional) pasa a la llamada red convolucional donde se realiza el procesamiento, que consiste en una combinación de convoluciones, submuestreado ( pooling ) y aplanamiento ( “flatten” ) que consigue expresar las características importantes de la imagen en un solo vector. GRATA RERUM NOVITAS Abi Mical Pérez González, Calidad y Compliance en Konexio Biotech. DIAGNÓSTICO POR IMAGEN AYUDADO POR IA: MARCO REGULATORIO Y EVOLUCION EN EL DESARROLLO La evolución de la medicina necesariamente irá de la mano de la biotecnología, la bio- informática, y los avances computacionales. En este contexto, introducir sistemas de IA que apoyen y agilicen el proceso diagnóstico ya es una realidad, siendo el departamento de imagen médica el que más cabe beneficiarse de esta tecnología. No obstante, la In - teligencia Artificial sigue siendo un gran desconocido, que genera desconfianza tanto entre profesionales del campo como la población general. Mónica Silvia Fernández Balanzategui, Prácticas en Konexio Biotech.