“Label-Free Foundational Model Selection for Medical Image Classification under Distribution Shift via Pseudo Label Discrepancy“
Juan Iñaki Larrea, Lucas Mansilla y Enzo Ferrante
El artículo “Label-Free Foundational Model Selection for Medical Image Classification under Distribution Shift via Pseudo Label Discrepancy“, desarrollado por Juan Iñaki Larrea y Enzo Ferrante, del LIAA, en colaboración con Lucas Mansilla del Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional, sinc(i), ha sido aceptado para su presentación en el workshop MIRASOL de la conferencia MICCAI 2026 (International Conference on Medical Image Computing and Computer-Assisted Intervention), una de las conferencias internacionales de mayor prestigio en el área de imágenes médicas e inteligencia artificial aplicada a la salud.
En el ámbito médico, las imágenes de un hospital pueden diferir de las de otro (por diferencias en equipos, protocolos o poblaciones), lo que puede afectar la performance de un modelo de inteligencia artificial al aplicarse sobre imágenes de un nuevo centro. Además, ante la ausencia de etiquetas en ese nuevo conjunto de imágenes, no pueden calcularse las métricas clásicas de evaluación. El trabajo propone un método para comparar modelos fundacionales en tareas de clasificación sobre imágenes médicas en ausencia de etiquetas ante cambio de dominio.
Este trabajo es parte de la tesis de licenciatura de Juan Iñaki realizada bajo la dirección de Lucas Mansilla y Enzo Ferrante en el LIAA.
El preprint del artículo se encuentra disponible en arXiv: https://arxiv.org/abs/2608.25810
Además, Juan Iñaki recibió una beca de MICCAI para participar del evento, y estará viajando a presentar su trabajo en Francia. La presentación del trabajo tendrá lugar durante MICCAI 2026, en el workshop de MIRASOL que se celebrará en Estrasburgo (Francia) el 27 de septiembre.