Análisis de imágenes mediante el cómputo bioinspirado

Nuestro sistema inmune es capaz de eliminar los microorganismos patógenos que ingresan a nuestro cuerpo así como de “memorizarlos” para que en futuras invasiones -si las hubiera- la respuesta de defensa sea más efectiva y salgamos bien librados de alguna enfermedad. Está compuesto de un arsenal de células especializadas y actúa orquestando cada una de ellas en un momento y sitio específicos. Este sistema biológico ha sido emulado para optimizar el análisis de imágenes por computadora y podría tener importantes aplicaciones en diferentes campos de la actividad humana.

El análisis de imágenes por computadora es una herramienta muy útil porque permite acelerar tareas que de otra manera serían prolongadas y tediosas para los humanos. Algunas de las técnicas clásicas permiten, por ejemplo, extraer caracteres, logos, gráficos y registros musicales; también se usan para procesar mapas y otro tipo de materiales visuales, de manera que facilitan la detección de objetos, el marcaje y la inspección de su calidad.

Los algoritmos –la serie de instrucciones mediante los cuales se resuelven problemas matemáticos o computacionales específicos – que utilizan las modelos computacionales convencionales en el análisis de imágenes tienen dos inconvenientes. El primero es su limitada capacidad de resolución conforme aumenta la complejidad de la tarea a realizar; el segundo radica en la lentitud para resolver el problema o en el alto costo computacional para lograrlo.

Esto no sucede con los recientes modelos computacionales inteligentes que simulan la estructura y el funcionamiento de los sistemas biológicos. Tal es el caso de los Sistemas Inmunes Artificiales, que están inspirados en nuestro sistema de defensa contra enfermedades. Un estudio publicado este año en la revista Mathematical Problems in Engineering, demuestra que es posible la optimización de la segmentación de imágenes digitales (aislarlas del fondo) mediante el uso de un tipo específico de instrucciones conocidas como Algoritmo de Sección Clonal (ASC), el cual se basa en cómo ocurre la respuesta inmune en nuestro cuerpo.

La segmentación de imágenes digitales consiste en detectar y clasificar sus características más relevantes a partir del agrupamiento de aquellos pixeles que contengan información significativa o útil. Este primer tratamiento de la imagen es esencial porque es la base para realizar tareas más complejas, menciona el artículo citado.

“La segmentación de imágenes, que pertenece al área conocida como visión por computadora, es uno de los problemas más difíciles que hay, en la práctica se le considera incluso intratable porque no existe un algoritmo computacional sencillo para resolverlo”, afirmó Juan Humberto Sossa Azuela, coautor del estudio y miembro de la Academia Mexicana de Ciencias.

Inspiración en la naturaleza

El sistema inmune crea barreras en el organismo a la enfermedad. En un primer paso, un tipo de células identifican al agente externo mediante las moléculas presentes en su superficie -llamados antígenos-. A continuación otras se encargan de destruirlo. Más tarde, solo las células que fabrican las moléculas capaces de reconocer las “marcas” del invasor –los anticuerpos- se multiplican rápidamente a manera de clones para reforzar el contraataque. De esta manera, nuestro sistema inmune no solo crea una memoria sino que se adapta a los diferentes invasores que enfrenta.

El ASC propuesto por el estudio citado imita el proceder de nuestro sistema inmune. El antígeno es el elemento a detectar, es decir, el problema a resolver; el anticuerpo son las posibles soluciones candidatas del problema, o los posibles leucocitos (glóbulos blancos).

De manera general, el ASC primero crea aleatoriamente un conjunto de anticuerpos (soluciones candidatas). Se seleccionan los elementos de dicha población que sean más afines al antígeno y a partir de estos se genera una población de clones que, mediante otra serie de pasos más complejos, se mejoran. A partir de estos se compone un nuevo conjunto de memoria. El algoritmo se detiene si encuentra un máximo de afinidad, en caso contrario regresa a puntos anteriores.

“Con las técnicas clásicas se puede segmentar imágenes pero es tardado y laborioso, se necesitarían años; una de las ventajas que tiene usar el cómputo bioinspirado (como el AIS) es que permite resolver problemas de una manera mucho más rápida, de manera más eficiente y a un menor costo”, afirmó el investigador del Centro de Investigación en Computación del IPN.

Potencial de aplicaciones

El experto y su equipo de trabajo llevan varios años desarrollando una amplia variedad de sistemas computacionales bioinspirados, pero relativamente poco tiempo el AIS y su aplicación en el análisis de imágenes digitales. No obstante, Sossa Azuela consideró que tiene un gran potencial hacia el futuro incluso para otras aplicaciones. De hecho, recientemente recibió apoyo financiero de la Unión Europea para consolidar más las investigaciones en este campo.

El análisis de imágenes médicas es una de las primeras aplicaciones desarrolladas por el especialista y su equipo de trabajo, por ejemplo, de fotografías de pequeñas muestras de sangre llamadas frotis. El recuento y la clasificación de los linfocitos (un tipo de células sanguíneas) son más rápidos y eficientes con los novedosos sistemas computacionales. De esta manera, de acuerdo con los resultados de las primeras pruebas experimentales del investigador, es posible detectar fases tempranas de la leucemia linfoblástica, un tipo de cáncer en el que la médula ósea produce un exceso de linfocitos.