La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · Nature (computational biology) · 2026-10-17
Un marco de aprendizaje profundo multitarea para la predicción automatizada del estado de salud a partir de imágenes de fondo de ojo retiniano mediante atención híbrida e IA explicable
Título original: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Los modelos de aprendizaje profundo existentes para imágenes de fondo de ojo retiniano abordan una sola tarea, ofrecen una interpretabilidad limitada y tienen dificultades ante la variación entre conjuntos de datos. Los autores proponen una red multitarea que clasifica la gravedad de la retinopatía diabética, el glaucoma, la etapa de la DMAE y el riesgo cardiovascular a partir de una sola imagen en una única pasada hacia adelante, con explicaciones mediante Grad-CAM. Alcanzó una exactitud del 94.7% y un AUC de 0.978 en cuatro conjuntos de datos, superando estadísticamente a todos los modelos de tarea única, y un AUC de al menos 0.951 en la evaluación entre conjuntos de datos sin entrenamiento previo (zero-shot).