La segmentación multiorgánica de imágenes de rayos X es de fundamental importancia para los sistemas de diagnóstico asistido por computadora. Sin embargo, los métodos más avanzados de segmentación semántica dependen del aprendizaje profundo y requieren una gran cantidad de imágenes etiquetadas, que rara vez están disponibles debido tanto al alto costo de los recursos humanos como al tiempo requerido para el etiquetado. En este artículo, presentamos un nuevo algoritmo de generación en múltiples etapas basado en Redes Generativas Adversarias (GANs) que puede producir imágenes sintéticas junto con sus etiquetas semánticas y que pueden ser utilizadas para la ampliación de datos. La característica principal del método es que, a diferencia de otros enfoques, la generación ocurre en varias etapas, lo que simplifica el procedimiento y permite su uso en conjuntos de datos muy pequeños. El método fue evaluado en la segmentación de imágenes radiográficas de tórax, mostrando resultados prometedores. El enfoque de múltiples etapas logra un estado del arte y, cuando se utilizan muy pocas imágenes para entrenar las GANs, supera al enfoque de una sola etapa correspondiente.