Investigadores del MIT han ideado un método novedoso para extraer más información de las imágenes utilizadas para entrenar modelos de aprendizaje automático, incluidos aquellos capaces de analizar exploraciones médicas para ayudar a diagnosticar y tratar afecciones cerebrales.
Un área nueva y activa en medicina consiste en entrenar modelos de aprendizaje profundo para detectar patrones estructurales en las exploraciones cerebrales asociados a enfermedades y trastornos neurológicos, como la enfermedad de Alzheimer y la esclerosis múltiple. Sin embargo, reunir los datos de entrenamiento es laborioso: todas las estructuras anatómicas de cada exploración deben delinearse o etiquetarse a mano, por separado, por expertos en neurología. Además, en algunos casos, como en las afecciones cerebrales raras infantiles, puede que solo haya unas pocas exploraciones disponibles desde el principio.
En un artículo presentado en la reciente Conferencia sobre Visión por Computador y Reconocimiento de Patrones, los investigadores del MIT describen un sistema que utiliza una única exploración etiquetada, junto con exploraciones sin etiquetar, para sintetizar automáticamente un conjunto de datos masivo de ejemplos de entrenamiento distintos. Este conjunto de datos puede utilizarse para entrenar mejor los modelos de aprendizaje automático con el fin de encontrar estructuras anatómicas en nuevas exploraciones: cuantos más datos de entrenamiento, mejores son esas predicciones.
La clave del trabajo es generar automáticamente datos para el proceso de «segmentación de imágenes», que divide una imagen en regiones de píxeles más significativas y más fáciles de analizar. Para ello, el sistema utiliza una red neuronal convolucional (CNN), un modelo de aprendizaje automático que se ha convertido en una potencia para las tareas de procesamiento de imágenes. La red analiza gran cantidad de exploraciones sin etiquetar de distintos pacientes y de distintos equipos para «aprender» las variaciones anatómicas, de brillo y de contraste. Después, aplica una combinación aleatoria de esas variaciones aprendidas a una única exploración etiquetada para sintetizar nuevas exploraciones que son a la vez realistas y están etiquetadas con precisión. Estas exploraciones recién sintetizadas se introducen luego en otra CNN, que aprende a segmentar nuevas imágenes.
«Esperamos que esto haga la segmentación de imágenes más accesible en situaciones realistas en las que no se dispone de muchos datos de entrenamiento», afirma la primera autora, Amy Zhao, estudiante de posgrado del Departamento de Ingeniería Eléctrica e Informática (EECS) y del Laboratorio de Informática e Inteligencia Artificial (CSAIL). «En nuestro enfoque, se puede aprender a imitar las variaciones de las exploraciones sin etiquetar para sintetizar de forma inteligente un gran conjunto de datos con el que entrenar la red».
Según Zhao, existe interés en utilizar el sistema, por ejemplo, para ayudar a entrenar modelos de análisis predictivo en el Hospital General de Massachusetts, donde podría haber solo una o dos exploraciones etiquetadas de afecciones cerebrales especialmente poco comunes en pacientes infantiles.
Junto a Zhao, en el artículo también participan: Guha Balakrishnan, becario postdoctoral en EECS y CSAIL; los profesores de EECS Fredo Durand y John Guttag, y el autor principal, Adrian Dalca, quien también es profesor de radiología en la Facultad de Medicina de Harvard.
La «magia» detrás del sistema
Aunque ahora se aplica a la imagen médica, el sistema comenzó en realidad como un medio para sintetizar datos de entrenamiento para una aplicación de teléfono inteligente capaz de identificar y obtener información sobre cartas del popular juego de cartas coleccionables «Magic: The Gathering». Lanzado a principios de la década de 1990, «Magic» cuenta con más de 20 000 cartas únicas, y se publican más cada pocos meses, que los jugadores pueden utilizar para crear mazos personalizados.
Zhao, una gran aficionada a «Magic», quería desarrollar una aplicación con CNN que tomara una foto de cualquier carta con la cámara de un teléfono inteligente y obtuviera automáticamente información como el precio y la valoración de bases de datos de cartas en línea. «Cuando elegía cartas en una tienda de juegos, me cansaba de escribir todos sus nombres en el teléfono y buscar valoraciones y combinaciones», afirma Zhao. «¿No sería genial poder escanearlas con el teléfono y consultar esa información?».
Pero se dio cuenta de que se trata de una tarea de entrenamiento de visión por computador muy difícil. «Necesitarías muchas fotos de las 20 000 cartas, en todas las condiciones de iluminación y ángulos diferentes. Nadie va a reunir ese conjunto de datos», afirma Zhao.
En cambio, Zhao entrenó una CNN con un conjunto de datos más pequeño de unas 200 cartas, con 10 fotos distintas de cada una, para aprender a deformar una carta en distintas posiciones. Calculó diferentes iluminaciones, ángulos y reflejos —para cuando las cartas están dentro de fundas de plástico— para sintetizar versiones deformadas y realistas de cualquier carta del conjunto de datos. Fue un proyecto apasionante, según Zhao: «Pero nos dimos cuenta de que este enfoque se adaptaba muy bien a las imágenes médicas, porque este tipo de deformación encaja muy bien con las resonancias magnéticas».
Deformación cerebral
Las imágenes por resonancia magnética (RM) se componen de píxeles tridimensionales, llamados vóxeles. Al segmentar las RM, los expertos separan y etiquetan las regiones de vóxeles según la estructura anatómica que las contiene. La diversidad de exploraciones, causada por las variaciones entre cerebros individuales y los equipos utilizados, supone un desafío para utilizar el aprendizaje automático con el fin de automatizar este proceso.
Algunos métodos existentes pueden sintetizar ejemplos de entrenamiento a partir de exploraciones etiquetadas mediante el «aumento de datos», que deforma los vóxeles etiquetados hacia posiciones diferentes. Sin embargo, estos métodos exigen que los expertos redacten a mano diversas pautas de aumento, y algunas exploraciones sintetizadas no se parecen en absoluto a un cerebro humano realista, lo que puede perjudicar el proceso de aprendizaje.
En cambio, el sistema de los investigadores aprende automáticamente a sintetizar exploraciones realistas. Los investigadores entrenaron su sistema con 100 exploraciones sin etiquetar de pacientes reales para calcular transformaciones espaciales — correspondencias anatómicas de una exploración a otra. Así se generaron tantos «campos de flujo» como fuera necesario, que modelan cómo se desplazan los vóxeles de una exploración a otra. Simultáneamente, el sistema calcula transformaciones de intensidad, que captan las variaciones de apariencia causadas por el contraste de la imagen, el ruido y otros factores.
Para generar una nueva exploración, el sistema aplica un campo de flujo aleatorio a la exploración etiquetada original, que desplaza los vóxeles hasta que coinciden estructuralmente con una exploración real sin etiquetar. Después, superpone una transformación de intensidad aleatoria. Por último, el sistema asigna las etiquetas a las nuevas estructuras siguiendo el desplazamiento de los vóxeles en el campo de flujo. Al final, las exploraciones sintetizadas se parecen mucho a las exploraciones reales sin etiquetar, pero con etiquetas precisas.
Para comprobar la precisión de su segmentación automatizada, los investigadores utilizaron puntuaciones Dice, que miden el grado de ajuste de una forma tridimensional sobre otra, en una escala de 0 a 1. Compararon su sistema con los métodos de segmentación tradicionales, manuales y automatizados, en 30 estructuras cerebrales diferentes de 100 exploraciones de prueba reservadas. Las estructuras grandes fueron igual de precisas en todos los métodos. Pero el sistema de los investigadores superó a todos los demás enfoques en estructuras más pequeñas, como el hipocampo, que ocupa solo alrededor del 0,6 % del cerebro en volumen.
«Eso demuestra que nuestro método mejora a los demás, especialmente en las estructuras más pequeñas, que pueden ser muy importantes para comprender la enfermedad», afirma Zhao. «Y lo logramos necesitando solo una única exploración etiquetada a mano».
