La UPM impulsa un proyecto de IA para la detección de tumores cerebrales
Un equipo de investigadores de la UPM y el CIBER-BBN, en colaboración con Children's National Hospital de Washington, DC, ha desarrollado un innovador algoritmo de Inteligencia Artificial que ha obtenido el primer puesto en el prestigioso Brain Tumor Segmentation (BraTS) Challenge.
10.03.25
Los gliomas, tumores cerebrales altamente letales, representan un desafío significativo para el diagnóstico, especialmente en regiones con recursos limitados. Ante esta problemática global, científicos de diversas partes del mundo se dieron cita en la ciudad de Marrakech, en Marruecos, para competir en el desarrollo de soluciones basadas en IA y resonancia magnética para la detección y medición precisa de estos tumores.
El proyecto, fruto de una colaboración entre el laboratorio de Tecnologías de Imágenes Biomédicas, liderado por la Dra. María Jesús Ledesma Carbayo, catedrática de la UPM, y adscrita al CIBER-BBN, y un grupo de investigación del Children's National Hospital de Washington, DC, liderado por el Dr. Marius George Linguraru, ha logrado adaptar tecnologías de vanguardia a contextos con infraestructuras médicas menos desarrolladas.
Pie de foto: Parte del equipo en la presentación de la competición en MICCAI 2024. De izquierda a derecha: Syed M. Anwar, Daniel Capellan Martin, Abhijeet Parida, y Austin Tapp.
La investigación se centró en técnicas de ensamblaje de modelos de aprendizaje profundo, entrenados mediante técnicas de aprendizaje por transferencia (transfer learning, en inglés), una técnica que permite entrenar modelos de IA con grandes conjuntos de imágenes (en este caso, de tumores cerebrales de otros tipos) y posteriormente ajustarlos para funcionar eficazmente con datos más limitados en la tarea deseada. Esta estrategia, que también incorporaba técnicas de posprocesamiento adaptativas capaces de refinar cada caso de forma más individualizada, resultó particularmente efectiva al aplicarse a datos específicos de población subsahariana, tarea en la que el equipo obtuvo esta primera posición.
Daniel Capellán Martín, investigador de la UPM y co-primer autor del estudio, resaltó: “Nuestro enfoque innovador combina técnicas avanzadas de aprendizaje profundo con estrategias adaptativas, lo que permite una detección más precisa y personalizada de los gliomas”. “Este logro demuestra el potencial de la IA para mejorar el diagnóstico y tratamiento de tumores cerebrales, especialmente en regiones con recursos limitados”, añadió.
La metodología desarrollada por el equipo de la UPM alcanzó niveles de precisión sobresalientes, lo que les valió el reconocimiento en el BraTS Challenge 2024, que tuvo lugar en la Conferencia Internacional MICCAI 2024, celebrada en Marrakech, Marruecos, un evento de referencia mundial en IA aplicada a la imagen médica.
"Nuestra aproximación no solo mejora la detección tumoral en cohortes particulares, sino que también evidencia la versatilidad de la IA para adaptarse a diversos escenarios geográficos, un aspecto fundamental para la implementación global de tecnologías de diagnóstico efectivas", afirmó María Jesús Ledesma Carbayo.
Pie de foto: Daniel Capellán Martín y María Jesús Ledesma Carbayo durante la demostración de las tecnologías desarrolladas para segmentación de tumores pediátricos en ECR 2025, Viena, Austria.
"Con el fin de promover el avance científico colectivo, hemos decidido compartir públicamente nuestro algoritmo ganador", explicó el Dr. Marius George Linguraru, quien también fue director del programa científico del congreso MICCAI 2024. "Estas competiciones son cruciales para demostrar cómo la innovación y la colaboración pueden contribuir a reducir las disparidades en la atención sanitaria a nivel mundial".
Trayectoria de excelencia
Este logro se suma a una serie de éxitos previos de los investigadores de la UPM y Children’s National Hospital en el campo de la IA y la imagen médica avanzada. En 2023, este equipo ya había conseguido una primera posición en el concurso de BraTS con un proyecto centrado en la medición de tumores cerebrales pediátricos durante la Conferencia MICCAI 2023, que tuvo lugar en Vancouver, Canadá, y que ha sido seleccionado para su demostración en el Congreso Europeo de Radiología (ECR 2025) este mes en Viena, Austria. El reciente éxito en el BraTS Challenge y esta reciente difusión en el ECR 2025 amplía el alcance de su experiencia, desde la detección y el seguimiento de tumores en poblaciones pediátricas, a la detección de gliomas en adultos de poblaciones subsaharianas, un avance significativo para la atención médica en regiones con recursos limitados.
"Estos reconocimientos subrayan el papel pionero de nuestra investigación en la aplicación de la IA para fines beneficiosos", afirmó Ledesma Carbayo. "Nuestro objetivo es continuar expandiendo nuestros conocimientos en imágenes avanzadas, tumores cerebrales e IA para revolucionar los procesos de diagnóstico, medición y tratamiento de tumores malignos a escala global".
Actualmente, el equipo está planteando nuevas colaboraciones a nivel nacional con el fin de evaluar estas soluciones desarrolladas en nuevas cohortes y datos de pacientes con diversas lesiones cerebrales de origen tumoral. Una de estas líneas se enfoca en la aplicación de estos algoritmos en segmentación y caracterización de metástasis cerebrales de distintos tipos de cáncer y en glioblastoma.
Esta investigación ha sido posible gracias al respaldo de la Unión Europea, los fondos NextGenerationEU, el Ministerio de Ciencia, Innovación y Universidades de España, y la Comunidad de Madrid a través de los proyectos IMAGINA, RESPONSE-POC, EUCAIM y MAGERIT-CM.
- Capellán-Martín, D. et al. (2024). Model Ensemble for Brain Tumor Segmentation in Magnetic Resonance Imaging. In: Brain Tumor Segmentation, and Cross-Modality Domain Adaptation for Medical Image Segmentation. crossMoDA BraTS-2023. Lecture Notes in Computer Science, vol 14669. Springer, Cham. https://doi.org/10.1007/978-3-031-76163-8_20
- Parida, A., Capellán-Martín, D., Jiang, Z., Tapp, A., Liu, X., Anwar, S. M., ... & Linguraru, M. G. (2024). Adult Glioma Segmentation in Sub-Saharan Africa using Transfer Learning on Stratified Finetuning Data. arXiv preprint arXiv:2412.04111.
- https://segmenter.hope4kids.io