La inteligencia artificial ha sido una herramienta que ha potenciado numerosas investigaciones y proyectos en el último tiempo. Aunque el acceso a sistemas basados en esta tecnología es cada vez más demandado en distintas industrias, el desarrollo de nuevos avances usualmente se limita a quienes han logrado superar más de una barrera técnica o presupuestaria.
Con el fin de colaborar con la labor investigativa de ingenieros, informáticos, matemáticos, biólogos y la comunidad científica en general, investigadores de la Universidad Carlos III de Madrid (UC3M), el Instituto de Investigación Sanitaria Gregorio Marañón (IiSGM), más un equipo de colaboradores en Suiza y Suecia, desarrollaron una herramienta de reconocimiento de imágenes basado en IA, de acceso gratuito y código abierto.
Inteligencia artificial al alcance de más investigaciones
La herramienta en cuestión fue denominada como deepImageJ. Este recurso se encarga de procesar y analizar mediante modelos basados en imágenes biomédicas de inteligencia artificial (como aquellas adquiridas con microscopios o escáneres radiológicos, por ejemplo), tanto sea para mejorar su calidad, como también para identificar y clasificar elementos puntuales dentro de ellas, entre otras tareas.
Desarrollar sistemas con estas capacidades no es tarea fácil. Actualmente, en gran parte de los casos resulta inabordable para equipos pequeños o con poco presupuesto. En primer lugar, es necesario entrenar un ordenador para la ejecución de las tareas solicitadas mediante la exposición a numerosas muestras de datos afines.
Cuando estas arquitecturas se complejizan, sirven como base para desarrollar modelos de aprendizaje profundo. En la medida que el sistema se expone a más información, este aprende a identificar con mayor precisión los datos que resultan valiosos para el propósito perseguido por la investigación.
En este caso, como deepImageJ se ofrece como un sistema completo y preentrenado, quienes lo integren en sus desarrollos pueden aplicar sus funciones con un par de clics.
En conversación con la UC3M, Arrate Muñoz Barrutia, docente de la casa de estudios e integrante del equipo de investigación, señaló:
«En los últimos cinco años, el análisis de imágenes se ha ido alejando de los métodos tradicionales basados en matemáticas y observaciones hacia el procesamiento basado en datos y la inteligencia artificial. Este importante desarrollo hace que la detección e identificación de información valiosa en imágenes sea más fácil, rápida y cada vez más automatizada en casi todos los campos de investigación. Cuando se trata de ciencias de la vida, el aprendizaje profundo, un subcampo de la inteligencia artificial, está mostrando un potencial creciente para el análisis de bioimágenes. Desafortunadamente, el uso de los modelos de aprendizaje profundo a menudo requiere habilidades de codificación que pocos científicos de la vida poseen. Para facilitar el proceso, expertos en análisis de imágenes de varias instituciones han desarrollado deepImageJ. Un plugin de código abierto descrito en un artículo publicado en Nature Methods».
Esta herramienta fue liberada de forma gratuita y su código fue liberado bajo una licencia abierta. Mientras la primera condición acerca una potente herramienta a todo un nuevo espectro de potenciales investigaciones, la segunda garantiza cierta sustentabilidad del proyecto, involucrando a la comunidad en su desarrollo y perfeccionamiento.
El portal web de deepImageJ proporciona información muy detallada sobre los pormenores de este proyecto. Entre sus secciones destaca un apartado de tutoriales, que ofrece guías para tener un primer acercamiento práctico con esta herramienta.