La inteligencia artificial (IA) requiere un acceso adecuado a datos para su entrenamiento, pero en el ámbito médico, estos datos son frecuentemente escasos y difíciles de compartir debido a consideraciones éticas y legales. Esta situación es especialmente crítica en áreas como el cáncer y las enfermedades raras, donde la recopilación de grandes conjuntos de datos de pacientes no siempre es viable.
Claves de la noticia
Generación de datos sintéticos
La UPM ha desarrollado métodos para crear registros artificiales que replican patrones estadísticos sin utilizar datos reales de pacientes.
Mejora en la investigación oncológica
Los nuevos enfoques permiten generar datos sintéticos de alta calidad, cruciales para estudios en condiciones restrictivas.
Impacto en la IA médica
Estos avances podrían facilitar la validación de herramientas de IA en entornos con escasez de datos, promoviendo la investigación colaborativa.
Nuevas metodologías para abordar la escasez de datos
En este contexto, un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) ha presentado dos estudios complementarios que buscan mejorar la generación de datos sintéticos. Estos registros artificiales tienen como objetivo reproducir patrones estadísticos observados en los datos reales sin replicar información específica sobre pacientes. Según los autores, no solo es fundamental comprobar si estos datos pueden entrenar modelos específicos, sino también evaluar su similitud con los datos originales y su capacidad para mantener relaciones complejas entre variables. Por ello, ambos trabajos abogan por una combinación de métricas que evalúen tanto la utilidad como la similitud, lo que permite validar más eficazmente la calidad del dato sintético.
El primer estudio, publicado en la revista Neurocomputing, propone una metodología innovadora que ayuda a los modelos generativos a aprender eficientemente incluso con pocos ejemplos reales. La clave radica en introducir un “sesgo inductivo artificial”, que actúa como guía matemática para orientar al modelo en situaciones con escasez de datos. Para lograr esto, se combinaron técnicas avanzadas como el aprendizaje por transferencia y el metaaprendizaje, evaluando diversas estrategias, incluyendo el preentrenamiento y el método conocido como model-agnostic meta-learning (MAML).
Aprovechamiento en contextos biomédicos
Los resultados obtenidos indican que las estrategias basadas en el aprendizaje por transferencia lograron un rendimiento significativamente superior, mejorando notablemente la calidad de los datos sintéticos generados. En ciertos experimentos, se logró una mejora del 60% en términos de divergencia según la métrica Jensen-Shannon, que estima cuán similar es la distribución de los datos sintéticos respecto a los reales.
El segundo estudio, publicado en el IEEE Journal of Biomedical and Health Informatics, aplica esta metodología al ámbito biomédico, específicamente en investigaciones relacionadas con el cáncer y análisis sobre supervivencia. Este tipo de análisis es crucial para estimar tiempos hasta eventos clínicos significativos —como recaídas o progresiones— y resulta especialmente sensible ante la falta de datos. Los hallazgos demuestran que esta metodología también puede ser efectiva en contextos restrictivos y contribuir a generar datos sintéticos confiables.
Las implicaciones derivadas de esta línea investigativa son significativas. Patricia Alonso, investigadora asociada a este proyecto, señala que contar con datos sintéticos fiables podría facilitar tanto el desarrollo como la validación de herramientas basadas en IA dentro de hospitales y centros investigativos donde los datos son limitados. Además, podría abrir nuevas oportunidades para estudios colaborativos sin comprometer la privacidad del paciente.
Este trabajo se ha llevado a cabo bajo los proyectos europeos GenoMed4All (número 101017549) y SYNTHEMA (número 101095530).
Puedes acceder a más información sobre estos estudios mediante los siguientes enlaces:
Neurocomputing Study,
IEEE Journal Study.
Sitios relacionados:
Si (
No(
