Diseñan un modelo de inteligencia artificial para determinar si un paciente tiene coronavirus

Impulsan en Granada un modelo de inteligencia artificial para determinar si un paciente tiene coronavirus
Impulsan en Granada un modelo de inteligencia artificial para determinar si un paciente tiene coronavirus - JUNTA
Publicado: miércoles, 15 abril 2020 11:58

GRANADA, 15 Abr. (EUROPA PRESS) -

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, según informa la Junta en una nota.

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 que "el objetivo es desarrollar una herramienta de inteligencia artificial basada en algoritmos de aprendizaje profundo que 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 permitiría disponer de un sistema de detección automatizada de la Covid-19 en pacientes sospechosos".

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.

Desde el Instituto Andaluz de Investigación en Ciencia de Datos e Inteligencia Artificial, el equipo de ingenieros de la UGR liderados por Francisco Herrera señalan que el proyecto está próximo a concluir su fase inicial y los resultados obtenidos hasta el momento son alentadores, ya que están 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 por ciento en la detección de los casos positivos.

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.

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.