Mario, l'enginyer que combat la 'caixa negra' de la IA en tumors cerebrals: "El model et diu com de segur està de la seva predicció"
Mario Pascual, guardonat per l'Associació Espanyola per a la Intel·ligència Artificial (AEPIA), ha desenvolupat un algoritme juntament amb l'Hospital Regional de Màlaga que avisa el radiòleg de quant es pot equivocar a l'hora d'avaluar un meningioma
I a més: La "nova generació" d'immunoteràpies contra el càncer que es poden 'encendre i apagar' amb un fàrmac
Notícies relacionades
- Hallan un biomarcador que distingue tumor y necrosis en metástasis cerebral
- Els metges posen fre a la IA que detecta el càncer amb la cara: "No discriminem amb anàlisis, tampoc amb el rostre"
- Vall d’Hebron situa Espanya a l'avantguarda europea dels bessons digitals humans: "S'iniciaran assaigs multicèntrics en tres anys"
- La major part de la població creu que els beneficis de la IA en salut superaran els riscos en 20 anys
Fer models d'intel·ligència artificial "cada cop més explicables" és el que busca Mario Pascual, estudiant d'Enginyeria de la Salut de la Universitat de Màlaga, i que acaba de rebre el tercer premi de l'Associació Espanyola per a la Intel·ligència Artificial pel seu Treball de Fi de Grau. "Em sento molt orgullós, que els meus col·laboradors també hagin rebut mèrit i que la meva família estigui molt contenta amb la trajectòria que estic seguint i el futur que hi ha per davant", confessa emocionat el jove investigador a Redacción Médica després de dedicar tres anys al projecte.
La seva línia d'investigació va néixer el 2023 després d'assistir a una ponència d'Almudena Pérez Lara, neuroradiòloga de l'Hospital Regional Universitari de Màlaga, sobre l'anàlisi de tumors en cap i coll. Aquella intervenció el va inspirar a unir forces amb el director del seu treball Ezequiel López Rubio, i el seu cotutor, Francisco Sendra Portero, per dissenyar un projecte amb dades clíniques reals enfocat en el creixement tumoral del meningioma. "En Medicina es treballa encara amb poques mostres", assegura l'enginyer, per això va decidir orientar el seu algoritme perquè vagi més enllà del càlcul clínic i mesuri la seva pròpia fiabilitat.
"Si el model no pot fer bones prediccions, ¿per què no podem intentar que ens doni una confiança sobre les seves pròpies prediccions?", planteja sobre la clau que creu que va convèncer el jurat.
Els seus resultats han generat tanta repercussió als mitjans i a la comunitat científica que fins i tot el mateix president de Castella-la Manxa, Emiliano García-Page, no ha volgut perdre l'oportunitat de felicitar-lo. Però Mario tampoc ha volgut oblidar-se dels que, com ell, han posat anys d'esforç, estenent la seva felicitació al primer i segon guardonat de la seva categoria, els treballs dels quals qualifica directament d'"impressionants".
¡Hola Mario! Me alegra que estés contento con este pequeño gesto de reconocimiento que sin duda alguna mereces. Para quienes no le conocéis, este tomellosero ha logrado un premio nacional por su investigación sobre la aplicación de la IA al estudio de tumores cerebrales. Representas lo mejor de la juventud de esta tierra. Enhorabuena.
— Emiliano García-Page (@garciapage) November 11, 2026
De les ressonàncies magnètiques al mapa d'incertesa
El mecanisme dissenyat per Pascual i el seu company treballa en dues fases a partir d'estudis multimodals de ressonància magnètica amb quatre seqüències d'entrada. Explica que, per evitar dependre d'una única interpretació, les imatges es processen primer mitjançant diversos models de segmentació simultanis que ajuden a delimitar les regions del meningioma. "D'aquesta manera obtenim, en comptes d'un contorn del tumor, un mapa d'incertesa sobre on creu el model que es troba", explica Pascual. Aquest grau de dubte després es quantifica en un valor numèric afegit al volum en mil·límetres cúbics.
La xifra alimenta posteriorment un segon algoritme encarregat de predir el canvi de mida de la lesió, ajustant el seu marge d'error en funció dels anys als quals es projecti el càlcul, de la complexitat visual del cas o de les mostres prèvies disponibles. "Si el tumor és més clar i fàcil de segmentar, hi haurà menys incertesa; si hi ha menys dades semblants a aquest tumor en concret en el conjunt d'entrenament del model, n'hi haurà més", resumeix l'autor, que també recorda que "el radiòleg no només obtindria una predicció de canvi en mil·límetres cúbics, sinó també com de segur està el model d'aquesta predicció".
Però, més enllà de l'arquitectura de l'algoritme, Pascual reconeix que un dels principals obstacles tècnics durant aquests tres anys ha estat estandarditzar els registres procedents de diferents fonts. "És difícil mantenir un protocol d'adquisició comú a totes les màquines de ressonància magnètica d'un mateix hospital", assenyala l'estudiant. L'objectiu, conclou, era evitar biaixos i aconseguir "que no segmenti millor un estudi d'un pacient perquè provingui d'una màquina que ofereixi imatges de millor qualitat".
"És difícil mantenir un protocol d'adquisició comú a totes les màquines de ressonància magnètica d'un mateix hospital"
El futur de la IA en la Radiologia: "Cal anar cap a models cada cop més explicables"
La gran cobertura mediàtica que ha rebut la seva investigació respon, segons l'enginyer, a com de "difícil" resulta aplicar aquestes eines en l'àmbit sanitari. "Especialment si tenim en compte que existeixen models capaços de falsificar resultats per contentar l'usuari", afegeix. Després d'assistir a diversos congressos mèdics juntament amb la resta de l'equip, Pascual percep que la prioritat dels especialistes ja no passa únicament per buscar algoritmes més precisos, sinó eines auditables que deixin de comportar-se com a "caixes negres".
"Quan un radiòleg pren una decisió en el seu dia a dia, sens dubte et podrà explicar per què és una bona decisió o una mala decisió. Aquesta desconfiança envers els models, que està totalment fonamentada, està frenant força la seva adopció en la pràctica clínica diària", explica. Tot i que assegura que la regulació europea manté el ritme i cada cop arriben més dispositius clínics al mercat, el jove enginyer sosté que la incorporació real en les llargues jornades hospitalàries exigeix que els algoritmes serveixin de guia a l'especialista per saber en quins detalls fixar-se, "sense substituir el seu criteri".
I, per arribar a aquest escenari idíl·lic, Mario defensa que la recerca futura ha de deixar d'obsessionar-se amb millorar mètriques aïllades i centrar-se en tres idees fonamentals: l'explicabilitat, el càlcul de rangs de confiança i la capacitat de generalitzar en diferents grups de pacients. "Al cap i a la fi, aquestes tecnologies s'han de centrar al voltant del pacient i del clínic, no al voltant dels models en si", defensa.
Alliberar les dades per estudiar els errors de l'algoritme
El reconeixement acadèmic que ha rebut no posa punt i final al seu projecte. Mario afirma que és el punt de partida per consolidar la seva col·laboració amb l'Hospital Regional de Màlaga en múltiples línies d'investigació. El seu objectiu més immediat passa per superar les barreres burocràtiques per portar les dades recollides durant anys a l'àmbit públic.
Segons explica l'investigador, es tracta d'una base sobre el creixement del meningioma que resulta "única a l'ecosistema nacional", ja que cap altre equip ha recopilat material de la mateixa naturalesa. En aquest sentit, assegura orgullós que permetria que altres grups proposésin noves solucions i fins i tot milloressin el seu propi algoritme.
A mitjà termini, i quan aconsegueixin reunir una cohort de pacients prou àmplia, l'estudiant planteja capgirar el plantejament del seu TFG. "En comptes d'analitzar només els encerts del sistema, vull centrar-me en els casos en què l'algoritme no aconsegueix predir l'evolució del tumor", assenyala. El propòsit, segons detalla, és desgranar l'origen d'aquests errors per incorporar-los al propi disseny del model i aconseguir així eines més robustes i fiables, que serveixin de suport real en la presa de decisions a consulta.
