Investigadores del laboratorio SPILab del grupo Quercus de Ingeniería de Software de la Universidad de Extremadura (UEx) han desarrollado una innovadora herramienta de Inteligencia Artificial (IA) capaz de detectar melanomas a partir de imágenes clínicas, combinando precisión diagnóstica con la protección de datos de los pacientes.

El modelo de Deep Learning que sustenta esta herramienta incorpora la técnica de aprendizaje federado, considerada clave en el proyecto, ya que permite entrenar algoritmos de IA sin necesidad de centralizar la información sensible. Según los investigadores, esta metodología garantiza la privacidad de los datos al mantenerlos en sus ubicaciones originales y solo compartir “valores de aprendizaje” entre centros médicos.

“Su tiempo de respuesta es inmediato, no más de un segundo”, explica Sergio Laso, investigador del grupo Quercus y primer autor del estudio. La herramienta facilita la labor del médico, apoyándolo en la detección temprana y aumentando las posibilidades de salvar vidas.

El sistema ha sido entrenado con imágenes del Instituto Internacional del Estudio Colaborativo de Imágenes de Piel, incluyendo tanto melanomas como otras afecciones cutáneas, alcanzando una precisión diagnóstica del 89,1%. De este modo, cada hospital puede entrenar su propio modelo de IA con sus propias imágenes, mientras que los valores de aprendizaje se unifican en un modelo global más fiable sin comprometer la privacidad de los pacientes.

Los resultados de esta investigación han sido publicados en la prestigiosa revista Scientific Reports de Nature, y muestran que los modelos de aprendizaje federado no solo preservan la seguridad de los datos, sino que también ofrecen un rendimiento ligeramente superior al de los sistemas centralizados tradicionales.

Los investigadores de la UEx prevén que esta tecnología se traduzca en una futura aplicación web para el personal médico, diseñada para apoyar en la interpretación de diagnósticos y el procesamiento de información clínica de manera más rápida y segura.