En las últimas semanas ha generado revuelo una investigación que llevó adelante NVIDIA con un tipo de algoritmo conocido como Red Generativa Antagónica (Generative adversarial networks GAN).
Estos algoritmos permiten crear nuevas imágenes en base a una base previa. Para el caso de NVIDIA, utilizaron 700.000 fotos de personas para crear un algoritmo que permite crear nuevas fotos fusionando las características de la base con la que se entrenó.
De este modo, nace la web
https://thispersondoesnotexist.com/que al cargarla presenta una cara generada por este algoritmo de Inteligencia Artificial
Un video sobre el estudio de NVIDIA muestra cómo funciona
¿Qué valor o importancia puede tener esto en medicina?
Esto tiene muchísimo valor en Inteligencia Artificial aplicada a Medicina y hoy está plenamente en uso.
Veamos sus aplicaciones
Hoy en día es complejo obtener el número de imágenes que se requieren para entrenar algoritmos de inteligencia artificial (ver artículo cómo entrenar a tu algoritmo).
¿Qué tal si en vez de tener que conseguirnos las miles de imágenes de resonancias de cáncer de pulmón, nos conseguimos algunas y con una Red Generativa Antagónica generamos miles similares?
Esas nuevas imágenes generadas pueden ser el insumo para nuevos algoritmos. De esta forma, ya no se requieren toneladas de imágenes.
Esto están haciendo algunas universidades en USA y en mundo, como DUKE University o Johns Hopkins.
Además, hay otra gran aplicación de poder generar nuevas imágenes. Éstas no le pertenecen a nadie y no hay problemas de “confidencialidad y privacidad”. No es la imagen de alguien en particular sino la sumatoria de miles. Esto abre un campo importante en educación, pudiéndose presentar imágenes de caras en un congreso sin tener que tapar los ojos y poder difundirlas libremente para la educación médica.
Estamos entrando en una era donde estas cosas serán comunes. Los nuevos radiólogos, dermatólogos y patólogos se entrenarán con phantomas (imágenes auto-generadas). Y ya no tendremos que formarlos con esos pocos casos que logramos guardar en una base de datos sobre una enfermedad en particular, sino que vamos a poder generar miles y miles de una patología en particular con sus diferentes variaciones.
¡Bienvenidas las Redes Generativas Antagónicas!