Ingenieros de la Universidad de Granada y el equipo de radiodiagnóstico del Clínico han analizado más de 1.000 casos de pacientes para entrenar y perfeccionar este sistema, que ofrece ya un 80% de aciertos.
El servicio de Radiodiagnóstico del Hospital Universitario Clínico San Cecilio y el Instituto Andaluz de Investigación en Ciencia de Datos e Inteligencia Artificial de la Universidad de Granada (UGR) trabajan en el desarrollo de un sistema automático para detectar la afectación pulmonar que produce la Covid-19 a través de las radiografías de tórax de los pacientes. Desde que, a mediados de marzo, se inició este proyecto de investigación conjunta, se han analizado las placas de rayos-X de un millar de pacientes, que han contribuido a entrenar y perfeccionar el modelo denominado “deep learning” o de aprendizaje profundo.
Así, una vez culminada la primera fase de la investigación, esta herramienta permitiría a los especialistas saber si un paciente tiene daño pulmonar por coronavirus, mediante la lectura de su radiografía pulmonar, en un tiempo medio inferior al que tarda en conocerse el resultado de la PCR (Reacción en Cadena de la Polimerasa), prueba que se emplea actualmente como el principal test más validado para detectar la presencia de la infección por Covid-19.
El jefe de servicio de Radiodiagnóstico del hospital granadino, José Luis Martín Rodríguez, explica: “El objetivo es desarrollar una herramienta de inteligencia artificial basada en algoritmos de aprendizaje profundo que nos permita identificar, por medio de la radiografía de tórax, la presencia de afectación pulmonar, aún en fases incipientes. Por tanto, su aplicación real más inmediata nos permitiría disponer de un sistema de detección automatizada de la COVID-19 en pacientes sospechosos”.
En este sentido, el doctor Martín señala “frente al tiempo y coste de otras pruebas que se han demostrado las más eficaces y validadas en la detección de la infección, como son la tomografía computarizada (TAC) o la PCR, disponer de este modelo implicaría agilizar los tiempos en el diagnóstico, además de permitir estandarizar el uso del sistema a prácticamente cualquier centro sanitario con disponibilidad para hacer rx de tórax”.
Un acierto del 80%
Desde el Instituto Andaluz de Investigación en Ciencia de Datos e Inteligencia Artificial, el equipo de ingenieros de la UGR, liderados por el catedrático Francisco Herrera, referente internacional en Inteligencia Artificial, y Siham Tabik, experta en deep learning, señalan que “el proyecto está próximo a concluir su fase inicial, y los resultados obtenidos hasta el momento son alentadores, ya que estamos obteniendo niveles de precisión que superan los descritos hasta la fecha en la bibliografía internacional para este proceso, comparándolos con las bases de datos disponibles. Así, la precisión del modelo que se está desarrollando arroja un porcentaje de acierto del 80%”.
Cabe apuntar que existen proyectos de investigación similares puesto en marcha en otras partes del mundo, como en Canadá, China y otros países del oriente asiático. Por ejemplo, el modelo COVID-NET, desarrollado por la empresa canadiense DarwinAI, se ha aplicado a las radiografías que constituyen la muestra del estudio granadino, obtenidas en el Hospital San Cecilio, y su acierto se sitúa en el 80%. En una línea similar, el modelo propio desarrollado por la UGR y el servicio de Radiodiagnóstico del Clínico, obtiene una precisión del 82% para esa misma muestra.
Fases futuras de investigación
En fases posteriores del estudio, a un año o dos vista, está previsto ampliar la capacidad del modelo para identificar y relacionar hallazgos radiológicos en los pulmones infectados, de modo que pudiera conocerse el impacto de otros factores como edad, sexo, alteraciones analíticas, fármacos u otras enfermedades en la evolución del coronavirus.
Los ingenieros de la UGR, expertos en inteligencia artificial, proyectan incluso desarrollar y adaptar el sistema para que sea capaz de diferenciar los pacientes afectados por Covid-19 de aquellos aquejados de otro tipo de enfermedades pulmonares, como las neumonías bacterianas, otras neumonías virales, tumores, etc., distinguiendo entre sí todas esas patologías de afectación pulmonar.
Asimismo, diversos equipos de inteligencia artificial y algunos hospitales de la comunidad autónoma andaluza y del resto de España han manifestado su interés por sumarse al proyecto, lo que contribuiría a fortalecer el estudio, al disponer de diversas fuentes de datos (varios hospitales) enriqueciendo la muestra y otorgando robustez a los modelos de inteligencia artificial.
Fuente: covid19.ugr.es
