Alibaba y la Academia Damo, junto con el Hospital Shengjing de la Universidad de Medicina de China, han desarrollado el modelo de diagnóstico de cáncer de hígado basado en IA, DAMO LiON, cuyo artículo relacionado ha sido publicado en la prestigiosa revista académica internacional Nature Medicine. Este modelo puede identificar con precisión pequeñas lesiones cancerosas en el hígado a través de imágenes de CT mejoradas, siendo especialmente hábil en detectar metástasis hepáticas que suelen ser pasadas por alto.
Durante un ensayo clínico prospectivo en el mundo real que duró dos meses, DAMO LiON ayudó a analizar las imágenes de más de 10,000 pacientes, descubriendo 15 tumores malignos que originalmente habían sido pasados por alto. La gran mayoría de estas lesiones tenían un diámetro de aproximadamente 1 centímetro, lo que permitió que los pacientes recibieran cirugía o tratamiento médico a tiempo. Estas lesiones malignas identificadas por la IA generalmente presentan características de «pequeñas, tenues y periféricas»: un diámetro promedio de aproximadamente 1 centímetro, bajo contraste con el tejido hepático, o ubicadas en posiciones anatómicas menos comunes.
La IA asistida en la lectura de imágenes reduce efectivamente los diagnósticos perdidos y acorta el tiempo de diagnóstico
DAMO LiON se posiciona como un «asistente de seguridad de IA», ayudando a los médicos en la lectura de imágenes: puede identificar con precisión el cáncer de hígado primario y es especialmente eficaz en la identificación de metástasis hepáticas que suelen ser ignoradas. Los resultados del experimento muestran que la precisión del modelo de IA para identificar tumores malignos es superior a la de los radiólogos. Cuando los médicos utilizan la IA para ayudar en la lectura de imágenes, el tiempo de análisis se reduce en un 27%, y la sensibilidad para detectar tumores malignos aumenta en un 11.5%, lo que reduce efectivamente los diagnósticos perdidos. Con la ayuda de la IA, los médicos de atención primaria pueden alcanzar el nivel de diagnóstico de médicos experimentados.
El equipo de investigación posteriormente implementó el modelo de IA en el proceso diario de lectura de imágenes en el hospital: cuando la conclusión inicial del médico y la IA no coinciden, los casos son revisados por radiólogos experimentados y, si es necesario, se elevan a discusiones con un equipo multidisciplinario (MDT). En dos meses, la IA analizó más de 10,000 imágenes de CT mejoradas, ayudando a los médicos a identificar 15 metástasis hepáticas que habían sido ignoradas, lo que impulsó ajustes en los planes de tratamiento de los pacientes involucrados.
Mejoras en la arquitectura de la red para aumentar la capacidad de identificación de casos difíciles
El modelo DAMO LiON utiliza una arquitectura de red mejorada que no solo captura la relación entre las lesiones y el hígado en su totalidad, sino que también conserva eficazmente la información de textura y los bordes locales, mejorando su desempeño en casos difíciles como hígado graso, cirrosis y hígado postoperatorio. Además, la IA puede fusionar iterativamente imágenes de CT mejoradas de diferentes fases, capturando eficazmente las diferencias a nivel de píxel entre las distintas fases y identificando con precisión pequeñas lesiones que aparecen «en un abrir y cerrar de ojos» en las exploraciones de CT mejoradas.
Desde su establecimiento en 2017, la Academia Damo ha estado trabajando en la IA médica, siendo pionera en el uso de IA para identificar lesiones sutiles en imágenes médicas que son difíciles de detectar a simple vista. Anteriormente, la Academia Damo había desarrollado modelos de IA para la detección de cáncer de páncreas basados en CT de escaneo plano, denominado DAMO PANDA, un modelo de detección de cáncer gástrico llamado DAMO GRAPE, y un modelo de detección de cáncer colorrectal llamado DAMO COCA, cuyos resultados han sido publicados en Nature Medicine en tres ocasiones y han ingresado al canal de innovación de la Administración Nacional de Productos Médicos, obteniendo la designación de «dispositivo médico innovador» por parte de la FDA de EE. UU.