En el mundo de la medicina moderna, la clasificación de las imágenes de glóbulos blancos ha dado un giro significativo gracias a la inteligencia artificial. Un equipo de investigadores de la Universidad Nacional de Ciencias y Tecnología en Islamabad ha propuesto un modelo basado en redes neuronales convolucionales (CNN) que apunta a agilizar y mejorar la precisión en la tarea de categorizar glóbulos blancos, cruciales para el diagnóstico de diversas enfermedades.

Los glóbulos blancos son un indicador clave en el diagnóstico de enfermedades como infecciones bacterianas, cáncer y SIDA. Tradicionalmente, la clasificación de estos glóbulos se realizaba de manera manual por patólogos, un proceso no solo tedioso sino también propenso a errores humanos. Conscientes de estas limitaciones, Rabia Asghar y su equipo han recurrido a modelos de inteligencia artificial, como ResNet-50, InceptionV3, VGG16, y MobileNetV2, aplicados sobre un conjunto de datos recopilado de Kaggle.

A pesar de lograr una precisión entre el 92% y el 95% con estos modelos preentrenados, los investigadores no se conformaron. Inspirados en estos modelos, desarrollaron su propia arquitectura de CNN, la cual se probó en conjuntos de datos de imágenes microscópicas de Kaggle y LISC. Los resultados fueron prometedores, con precisiones de 99.57% y 98.67% respectivamente, superando lo registrado en trabajos previos.

El sistema propuesto por los investigadores permite la categorización automática de monocytes, linfocitos, eosinófilos y neutrófilos, basado en las imágenes de estos glóbulos. Gracias a las capas convolucionales del modelo, es posible extraer mapas de características que facilitan el proceso de clasificación. El equipo resalta la importancia de la precisión lograda, particularmente porque algunas variaciones, como la similitud entre eosinófilos y neutrófilos, a menudo complicaban la clasificación manual.

Los resultados de este trabajo son significativos para la comunidad médica, ya que no solo ofrece un método más preciso y eficiente para clasificar WBCs, sino que también libera a los profesionales de la carga de las tareas manuales. A medida que avanzamos hacia el futuro, hay una expectativa de que este mismo enfoque pueda aplicarse a la clasificación de otros tipos celulares o incluso tejer un camino hacia diagnósticos médicos más precisos y rápidos.