Tradicionalmente, el diagnóstico basado en imagen depende de la evaluación que realizan expertos (radiólogos, anatomopatólogos, etc.) combinando información de la imagen y de otras fuentes. La IA cada vez está más presente en el análisis de imagen de tomografía computarizada (TAC) para neurología, en análisis de mamografías para detección de cáncer de mama, en lesiones y cáncer de piel, o para dar soporte a diagnosticar neumonía y enfermedades pulmonares analizando imágenes de RX y resonancia magnética, entre otros. 

Las técnicas de Deep Learning y las redes convolucionales están mostrando resultados muy interesantes en el análisis de imagen, pero hay algunos retos. Por un lado, no siempre se tienen suficientes datos y suficientes imágenes médicas para aplicar este tipo de técnicas. Además, estos modelos son frecuentemente casi “cajas negras”, lo cual no facilita que los médicos confíen en lo que la IA puede predecir, se requiere que los algoritmos sean explicables. 

Te presentaremos una tarea concreta a resolver, además de algunos retos y avances que ha habido en los últimos años para que te inspiren a plantear tu proyecto.