El análisis de imágenes biomédicas a través de inteligencia artificial (IA) se enfrenta a desafíos significativos que limitan su potencial. A pesar de que la IA puede detectar patrones sutiles en millones de imágenes de microscopía y comparar escaneos de pacientes en cuestión de segundos, existen obstáculos técnicos y culturales que dificultan su adopción. Entre estos, la falta de incentivos y la baja adopción de estándares de metadatos juegan un papel crucial, según un informe de expertos del European Molecular Biology Laboratory.
La importancia de los metadatos en la bioimagen
Los metadatos son la información contextual que rodea a las imágenes y sus anotaciones. Describen qué se está observando, así como las condiciones bajo las cuales se capturó la imagen. Para que la IA pueda entrenarse de manera efectiva, los metadatos son fundamentales, ya que permiten que un conjunto de datos sea interpretable y reutilizable más allá del laboratorio que lo generó. Sin embargo, diferentes laboratorios registran los metadatos de maneras dispares, lo que dificulta su reutilización por parte de otros investigadores. La creación de un lenguaje común y estándares acordados es, por tanto, esencial.
Recientemente, un equipo liderado por Matthew Hartley, responsable del BioImage Archive, y la bioinformática Teresa Zulueta Coarasa, propuso una serie de directrices para mejorar la reutilización de imágenes biomédicas en aplicaciones de IA. Estas recomendaciones, conocidas como MIFA (Metadatos, Incentivos, Formatos y Accesibilidad), surgieron de un taller realizado en 2023 con la participación de 45 profesionales del ámbito, incluyendo productores de datos, científicos de IA y analistas de bioimágenes. El documento que detalla estas recomendaciones ha sido publicado en la revista Nature Methods.
Uno de los aspectos destacados de las directrices MIFA es la propuesta de un nuevo estándar que se centra en las anotaciones de imágenes, fundamentándose en estándares de metadatos previos como el REMBI, desarrollado en 2021. Las anotaciones, como las máscaras de segmentación, son cruciales para la comprensión de los conjuntos de datos, y es imperativo que los científicos entiendan su significado y su proceso de generación.
En cuanto a los incentivos, el equipo reconoce que crear conjuntos de datos anotados requiere tiempo y esfuerzo, y actualmente existen escasos motivos que alienten a los laboratorios a producir metadatos o a compartir sus imágenes en repositorios abiertos como el BioImage Archive. Esto debe cambiar y requerirá la colaboración de financiadores, revistas, archivos de datos y la comunidad de bioimagen para establecer incentivos sólidos que fomenten el intercambio de datos.
Adicionalmente, la diversidad de formatos utilizados por los equipos de microscopía, dependiendo del fabricante, complica el proceso de compartir y reutilizar imágenes. Por lo tanto, es necesario garantizar formatos de datos comunes e interoperables para facilitar el intercambio entre laboratorios.
La adopción generalizada de las recomendaciones MIFA podría transformar la investigación en biociencias. La estandarización de metadatos permitiría que los modelos de IA entrenados en un conjunto de datos pudieran validarse en otros, mejorando así la reproducibilidad de los resultados. Esto no solo facilitaría la comparación de modelos y la replicación de hallazgos, sino que también aceleraría el descubrimiento científico. Las voces de la comunidad científica que ya han implementado estas directrices destacan su impacto positivo en la eficiencia y efectividad en la utilización de conjuntos de datos para el entrenamiento de herramientas de IA.
La comunidad científica muestra un compromiso creciente hacia la implementación de estas recomendaciones. Por ejemplo, varias revistas están recomendando que los conjuntos de datos se depositen en archivos públicos, lo que a su vez crea un incentivo para que los investigadores organicen y compartan sus datos de manera más coherente. Si los productores de datos adoptan las directrices, se generará un ciclo virtuoso: mejores conjuntos de datos, mejor IA y, en última instancia, mejor ciencia.
