La validación de los algoritmos de Inteligencia Artificial (IA) precisa de bases de datos de gran tamaño, correctamente etiquetados por radiólogos expertos y que cumplan las normas éticas y la ley de protección de datos. En este artículo de revisión se analizan las estrategias para poder validar algoritmos de IA en un escenario de datos limitados e insuficientemente etiquetados

Las principales estrategias son: el aprendizaje por transferencia, el aumento de datos, las técnicas de entrenamiento semisupervisado, las estrategias de anotación

eficientes, el aprendizaje federado, el aprendizaje de pocas oportunidades y diferentes arquitecturas de redes neuronales. Los autores aportan una tabla con explicación de las ventajas y limitaciones de cada estrategia.

Es interesante la estrategia de "Aprender de lo normal". En este enfoque, el clasificador se entrena solo con imágenes normales para aprender las características normales representativas y posteriormente distinguir los hallazgos anormales de los normales en el base de desviaciones de características de la representación aprendida de la clase normal. Los autores aportan de una referencia con uso de imágenes de CardioTC normal.

Hay que destacar la estrategia de "Aprendizaje federado". En esta estrategia de formación colaborativa, el modelo, los pesos y los parámetros se envían a diferentes instituciones. Cada institución entrena el modelo con sus datos locales y envía los pesos del modelo actualizados a un servidor compartido. Las ponderaciones agregadas del modelo se envían a las instituciones para otra ronda de entrenamiento

Uno de los principales beneficios del aprendizaje federado es la oportunidad de entrenar modelos con conjuntos de datos más grandes y diversos a través de la colaboración multicéntrica mientras se preserva confidencialidad del paciente.

PUNTOS FUERTES:

• Tabla con análisis de las ventajas y limitaciones de cada una de las estrategias para poder trabajar en entornos con datos limitados.

PUNTOS DEBILES:

• Falta de explicación por los autores de la estrategia de búsqueda de la literatura sobre el tema.
• Falta de análisis de los autores de las limitaciones de su revisión.

Dr. Salvador Pedraza  

Sección de Formación – FORA