Mario, el ingeniero que combate la 'caja negra' de la IA en tumores cerebrales: "El modelo te dice lo seguro que está de su predicción"

Hacer modelos de inteligencia artificial "cada vez más explicables" es lo que busca Mario Pascual, estudiante de Ingeniería de la Salud de la Universidad de Málaga, y que acaba de recibir el tercer premio de la Asociación Española para la Inteligencia Artificial por su Trabajo de Fin de Grado. "Me siento muy orgulloso, de que mis colaboradores también hayan recibido mérito y que mi familia esté muy contenta con la trayectoria que estoy siguiendo y el futuro que hay por delante", confiesa emocionado el joven investigador a Redacción Médica tras dedicar tres años al proyecto.

Su línea de investigación nació en 2023 tras asistir a una ponencia de Almudena Pérez Lara, neurorradióloga del Hospital Regional Universitario de Málaga, sobre el análisis de tumores en cabeza y cuello. Aquella intervención le inspiró a unir fuerzas con el director de su trabajo Ezequiel López Rubio, y su cotutor, Francisco Sendra Portero, para diseñar un proyecto con datos clínicos reales enfocado en el crecimiento tumoral del meningioma. "En Medicina se trabaja todavía con pocas muestras", asegura el ingeniero, por lo que decidió orientar su algoritmo para que vaya más allá del cálculo clínico y mida su propia fiabilidad.

"Si el modelo no puede hacer buenas predicciones, ¿por qué no podemos intentar que nos dé una confianza sobre sus propias predicciones?", plantea sobre la clave que cree que convenció al jurado.

Sus resultados han generado tanta repercusión en los medios y en la comunidad científica que hasta el propio presidente de Castilla-La Mancha, Emiliano García-Page, no ha querido perder la oportunidad de felicitarle. Pero Mario no ha querido olvidarse tampoco de los que, como él, han puesto años de esfuerzo, extendiendo su felicitación al primer y segundo galardonado de su categoría, cuyos trabajos califica directamente de "impresionantes".

De las resonancias magnéticas al mapa de incertidumbre

El mecanismo diseñado por Pascual y su compañero trabaja en dos fases a partir de estudios multimodales de resonancia magnética con cuatro secuencias de entrada. Explica que para evitar depender de una única interpretación, las imágenes se procesan primero mediante varios modelos de segmentación simultáneos que ayudan a delimitar las regiones del meningioma. "De esta forma obtenemos, en vez de un contorno del tumor, un mapa de incertidumbre sobre dónde cree el modelo que se encuentra", explica Pascual. Ese grado de duda luego se cuantifica en un valor numérico añadido al volumen en milímetros cúbicos.

La cifra alimenta posteriormente a un segundo algoritmo encargado de predecir el cambio de tamaño de la lesión, ajustando su margen de error en función de los años a los que se proyecte el cálculo, de la complejidad visual del caso o de las muestras previas disponibles. "Si el tumor es más claro y fácil de segmentar, habrá menos incertidumbre; si hay menos datos parecidos a ese tumor en concreto en el conjunto de entrenamiento del modelo, habrá más", resume el autor, que también recuerda que "el radiólogo no solamente obtendría una predicción de cambio en milímetros cúbicos, sino también lo seguro que está el modelo de esa predicción".

Pero, más allá de la arquitectura del algoritmo, Pascual reconoce que uno de los principales obstáculos técnicos durante estos tres años ha sido estandarizar los registros procedentes de distintas fuentes. "Es difícil mantener un protocolo de adquisición común a todas las máquinas de resonancia magnética de un mismo hospital", señala el estudiante. El objetivo, concluye, era evitar sesgos y lograr "que no segmente mejor un estudio de un paciente porque venga de una máquina que ofrezca imágenes de mejor calidad".

"Es difícil mantener un protocolo de adquisición común a todas las máquinas de resonancia magnética de un mismo hospital"

El futuro de la IA en la Radiología: "Hay que ir hacia modelos cada vez más explicables"

La gran cobertura mediática que ha recibido su investigación responde, a juicio del ingeniero, a lo "difícil" que resulta aplicar estas herramientas en el ámbito sanitario. "Especialmente si tenemos en cuenta que existen modelos capaces de falsificar resultados para contentar al usuario", añade. Tras acudir a varios congresos médicos junto al resto del equipo, Pascual percibe que la prioridad de los especialistas ya no pasa únicamente por buscar algoritmos más precisos, sino herramientas auditables que dejen de comportarse como "cajas negras".

"Cuando un radiólogo toma una decisión en su día a día, sin duda va a poder explicarte por qué es una buena decisión o una mala decisión. Esta desconfianza hacia los modelos, que está totalmente fundamentada, está frenando bastante su adopción en la práctica clínica diaria", explica. Aunque asegura que la regulación europea mantiene el ritmo y cada vez llegan más dispositivos clínicos al mercado, el joven ingeniero sostiene que la incorporación real en las largas jornadas hospitalarias exige que los algoritmos sirvan de guía al especialista para saber en qué detalles fijarse, "sin sustituir su criterio".

Y, para alcanzar ese escenario idílico, Mario defiende que la investigación futura debe dejar de obsesionarse con mejorar métricas aisladas y centrarse en tres ideas fundamentales: la explicabilidad, el cálculo de rangos de confianza y la capacidad de generalizar en distintos grupos de pacientes. "Al fin y al cabo, estas tecnologías tienen que centrarse alrededor del paciente y del clínico, no alrededor de los modelos en sí", defiende.

Liberar los datos para estudiar los fallos del algoritmo

El reconocimiento académico que ha recibido no pone punto y final a su proyecto. Mario afirma que es el punto de partida para consolidar su colaboración con el Hospital Regional de Málaga en múltiples líneas de investigación. Su objetivo más inmediato pasa por sortear las barreras burocráticas para llevar los datos recolectados durante años al ámbito público.

Según explica el investigador, se trata de una base sobre el crecimiento del meningioma que resulta "única en el ecosistema nacional", ya que ningún otro equipo ha recopilado material de la misma naturaleza. En este sentido, asegura orgulloso que permitiría que otros grupos propusieran nuevas soluciones e incluso mejoraran su propio algoritmo.

A medio plazo, y cuando logren reunir una cohorte de pacientes lo suficientemente amplia, el estudiante plantea dar la vuelta al planteamiento de su TFG. "En vez de analizar solo los aciertos del sistema, quiero enfocarme en los casos en los que el algoritmo no consigue predecir la evolución del tumor", señala. El propósito, según detalla, es desgranar el origen de esos errores para incorporarlos al propio diseño del modelo y lograr así herramientas más robustas y fiables, que sirvan de apoyo real en la toma de decisiones en consulta.