Un TFG de la UMA sobre predicción de tumores cerebrales logra el tercer premio nacional de la AEPIA
Temas Málaga CF Universidad de Málaga
Mario Pascual, estudiante de Ingeniería de la Salud, recibe el tercer premio al mejor Trabajo Fin de Grado de España que concede la Asociación Española para la Inteligencia Artificial por un modelo que predice el crecimiento de meningiomas.
El Trabajo Fin de Grado de Mario Pascual, estudiante de Ingeniería de la Salud de la Universidad de Málaga (UMA), ha obtenido el tercer premio al mejor TFG del año en España que concede la Asociación Española para la Inteligencia Artificial (AEPIA). El trabajo se titula «Predicción del Crecimiento del Meningioma en Resonancia Magnética Multimodal mediante Técnicas de Aprendizaje Profundo» y ha competido en la categoría general, según informa la UMA.
Qué predice el modelo
El proyecto aborda un problema clínico concreto: anticipar cómo crecerá un meningioma, un tipo de tumor cerebral, a partir de imágenes de resonancia magnética. Para entrenar el sistema hacían falta datos longitudinales, es decir, varios estudios de un mismo paciente tomados a lo largo del tiempo que permitieran observar la evolución del tumor. Según explica Pascual, hasta la fecha no existía información de este tipo sobre meningiomas.
El estudiante señala que durante unos tres años colaboró con el Hospital Regional Universitario de Málaga (HRUM) para crear el primer conjunto de datos de esta naturaleza, lo que considera el primer hito del trabajo. La idea surgió en 2023, tras conocer a la doctora Almudena Pérez Lara en un seminario de la asignatura de Imágenes Biomédicas, donde se planteó el reto de predecir el crecimiento de este tumor.
Privacidad de los datos
En la parte técnica, la investigación adapta una red neuronal entrenada con millones de imágenes de resonancia magnética para delimitar las regiones del tumor. Ese ajuste se hace exclusivamente con datos públicos, de modo que los datos privados del HRUM no entran en el modelo. El sistema traslada además el margen de error de esa delimitación al modelo que predice el crecimiento, con el fin de ofrecer intervalos de crecimiento ajustados a cada paciente en lugar de una única cifra.
El TFG ha sido dirigido por el catedrático de la Escuela Técnica Superior de Ingeniería (E.T.S.I.) de Informática Ezequiel López, investigador responsable del grupo de Inteligencia Computacional y Análisis de Imágenes de IBIMA Plataforma BIONAND, y codirigido por el profesor de la Facultad de Medicina Francisco Sendra, investigador responsable del grupo de Inteligencia Artificial en Imagen Médica. La doctora del HRUM Almudena Pérez Lara ha colaborado en la obtención de datos y la interpretación de resultados.
