IA médica sin bata: Explorando modelos que segmentan, detectan y generan con confianza

Descripción

Esta charla explora el impacto de la inteligencia artificial en el ámbito médico más allá de los hospitales, enfocándose en cómo tecnologías como la visión por computador, el aprendizaje profundo y la generación de datos están transformando el análisis de imágenes clínicas. Dirigida a cualquier perfil técnico interesado en el potencial de la IA en medicina, la sesión ofrece una introducción práctica y accesible al uso de modelos avanzados que ya están revolucionando el diagnóstico y la interpretación médica.

Objetivos

Mostrar cómo se aplican técnicas de IA en el análisis de imágenes médicas para resolver problemas clínicos reales. Explicar el funcionamiento y propósito de modelos específicos como UNet (segmentación), RetinaNet (detección) y modelos de difusión (generación). Destacar la importancia de la explicabilidad y la estimación de incertidumbre en entornos clínicos para construir sistemas de IA confiables y éticos. Despertar la curiosidad sobre cómo los modelos de IA "ven" y toman decisiones médicas, fomentando la reflexión crítica y el entendimiento técnico entre los asistentes.

Contenidos

Introducción al uso de IA médica fuera del ámbito hospitalario. Visión por computador y aprendizaje profundo aplicados a imágenes clínicas. Ejemplos de modelos utilizados en imagen médica: UNet: segmentación de estructuras anatómicas. RetinaNet: detección de anomalías como tumores o lesiones. Modelos de difusión (NVIDIA): generación de imágenes sintéticas útiles para entrenamiento o mejora de datos. Conceptos clave: explicabilidad del modelo y estimación de incertidumbre. Consideraciones éticas en el uso de IA médica. Casos ilustrativos y preguntas clave: ¿cómo interpreta un modelo una imagen pulmonar? ¿Cómo “decide” que algo parece un tumor?