Tecnología médica · us
¿Cuánto puede reconocer la IA con menos detalles en las imágenes médicas? Stanford pone a prueba los límites de los modelos pequeños
Desde lesiones cutáneas hasta radiografías de tórax, Med-REDUCE halló que reducir la resolución de las imágenes permite conservar gran parte del rendimiento de reconocimiento y que los modelos pequeños también pueden alcanzar a los grandes. Sin embargo, las lesiones sutiles podrían perderse con mayor facilidad; hasta dónde simplificar debe decidirse según la tarea.
Para que la IA de imágenes médicas llegue a clínicas con equipos y recursos de red limitados, además de reconocer enfermedades, debe responder a una pregunta práctica: ¿qué resolución de imagen y qué tamaño de modelo se necesitan para ofrecer una interpretación útil? Un equipo de investigación de la Universidad de Stanford analizó ambos requisitos mediante el marco Med-REDUCE y halló que, en algunas tareas de imagen, los modelos conservaban gran parte de su capacidad de reconocimiento incluso al eliminar muchos detalles. Esto aporta una base de investigación para reducir las necesidades de cómputo.
El Departamento de Ciencia de Datos Biomédicos de Stanford presentó esta investigación el 5 de noviembre; el artículo se publicó en línea el 23 de septiembre en «Medical Image Analysis». El equipo evaluó por separado los efectos de reducir la resolución y el tamaño del modelo, abarcando dermatología, histopatología e imágenes radiológicas. Los datos que figuran en el repositorio público de código incluyen imágenes de lesiones cutáneas de ISIC 2017, radiografías de tórax de CheXpert y datos de anatomía patológica del proyecto Atlas del Genoma del Cáncer (TCGA). Las tareas iban desde reconocer melanomas y distinguir tipos de tumores pulmonares y cerebrales hasta predecir mutaciones en KRAS, TP53 y EGFR; no todas consistían en diagnosticar cáncer.
En el experimento de resolución, los investigadores mantuvieron fija la parte de extracción de características de tres modelos preentrenados —DINOv3, ViT-B/16 y BiomedCLIP— y después evaluaron si sus características de imagen permitían realizar la clasificación. Las imágenes se redujeron progresivamente de 512×512 a 64×64 píxeles, de modo que el número total de píxeles quedó en una sesentaicuatroava parte. Según el modelo y el ámbito médico, el AUROC a nivel de ámbito disminuyó entre 0.007 y 0.043. El AUROC mide la capacidad del modelo para distinguir entre clases; estos resultados muestran un rendimiento global de reconocimiento relativamente estable, pero no permiten interpretar directamente cuánto aumentó la tasa de diagnósticos omitidos.
Otro grupo de experimentos utilizó la «destilación de conocimiento» para que modelos más pequeños, denominados estudiantes, aprendieran las características de imagen extraídas por grandes modelos maestros. A resolución completa, en 39 de las 42 comparaciones entre modelos maestros, tareas y modelos estudiantes, los estudiantes igualaron o superaron el rendimiento de los maestros. En las restantes, ninguna diferencia superó los 0.004 de AUROC y todas quedaron dentro del intervalo de variación causado por distintas semillas aleatorias. Los modelos estudiantes con aproximadamente entre 21 y 25 millones de parámetros también pudieron igualar o superar a maestros de 86 millones de parámetros, reduciendo el número de parámetros a aproximadamente una cuarta parte.
Estos dos grupos de resultados respaldan dos vías de simplificación: hasta qué punto puede reducirse la información de las imágenes y si un modelo puede completar una tarea con menos parámetros. No equivalen a demostrar que combinar la resolución más baja con el modelo más pequeño permita mantener el mismo rendimiento en todas las tareas. Tampoco puede traducirse directamente una reducción de parámetros en un ahorro energético o una aceleración de igual magnitud; los beneficios reales siguen dependiendo del hardware, la arquitectura del modelo y el flujo de uso.
Los detalles de las imágenes tampoco tienen todos el mismo peso. Según la presentación de la investigación de Stanford, el agrandamiento del corazón en las radiografías de tórax es más fácil de reconocer a baja resolución, mientras que anomalías como el neumotórax, que pueden implicar signos sutiles, plantean mayores dificultades. Esto recuerda a los investigadores que una buena conservación de las métricas promedio puede ocultar pérdidas en lesiones concretas; decidir si puede reducirse la calidad de imagen exige volver a considerar qué enfermedad se busca y qué errores tienen mayores consecuencias.
El equipo ha publicado el código y ha utilizado particiones compartidas de entrenamiento y prueba y tres conjuntos de semillas aleatorias para facilitar la reproducción de los resultados. En el futuro, las imágenes y los modelos más pequeños podrían ayudar a la transmisión a distancia y al uso de dispositivos portátiles, pero la evidencia actual sigue procediendo de evaluaciones controladas con conjuntos de datos existentes y aún no se ha establecido su grado de preparación para el uso clínico. Para utilizarlos en la atención médica, todavía es necesario confirmar su fiabilidad entre distintos dispositivos y poblaciones de pacientes, así como evaluar el riesgo de diagnósticos omitidos en los flujos de trabajo reales. El valor de este trabajo reside en proporcionar una escala verificable para simplificar la IA médica y en convertir la identificación de los detalles que no pueden omitirse en una pregunta que deberá responderse en el siguiente paso.