Una nueva herramienta para agilizar el diagnóstico de la covid-19: ¿qué hay que hacer para empezar a utilizarla?

Share

Uno de los mayores problemas a los que se enfrenta el mundo sanitario con motivo de la pandemia de la covid-19 es su correcto diagnóstico de la manera más rápida posible. La prueba más utilizada en la actualidad es la reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR, del inglés), que identifica la presencia o no del virus SARS-CoV-2 a partir de una muestra de la mucosa nasal.

Esta técnica, de una gran sensibilidad y especificidad, presenta dos inconvenientes principales: se tardan, en el mejor de los casos, horas desde que se toma la muestra hasta que se obtienen los resultados, y no es capaz de detectar el virus en pacientes que han sido recientemente infectados.

Por ello, investigadores del Departamento de Arquitectura y Tecnología de Computadores de la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla, liderados por el doctor Anton Civit, trabajan en un proyecto que podría ayudar a minimizar el primero de los inconvenientes mediante el uso de técnicas de aprendizaje profundo (deep learning en inglés) para analizar imágenes de rayos X de los pulmones.

“El uso de imágenes médicas obtenidas mediante rayos X se utiliza cada vez más para facilitar tareas de ayuda al diagnóstico, habiendo sido probado satisfactoriamente para identificar problemas pulmonares como los que genera la covid-19. Sin embargo, el diagnóstico por estos métodos debe ser realizado con la ayuda de un médico especialista, lo que limita su uso masivo en la población”, señaló el profesor Manuel Jesús Domínguez. “Es precisamente el aprendizaje profundo lo que podría facilitar el trabajo del médico especialista, permitiéndole analizar un mayor número de imágenes en un menor tiempo” concluyó el Dr. Domínguez.

Entrenando al algoritmo

Como con cualquier otra técnica basada en la Inteligencia Artificial, en el aprendizaje profundo el primer paso es enseñar al algoritmo. En este caso en concreto se busca que sea capaz de clasificar, de manera autónoma, a los individuos, analizando sus radiografías de tórax, entre personas sanas, pacientes con neumonía y pacientes con covid-19.

Para ello, el Dr. Civit, junto con los investigadores Javier Civit, Francisco Luna y Manuel Domínguez entrenaron al sistema con imágenes de 105 pacientes con covid-19 y de personas sanas, y 106 de pacientes con neumonía. Una vez finalizado el entrenamiento, probaron el algoritmo con imágenes de 27 pacientes con covid-19 y de personas sanas, y 26 de pacientes con neumonía.

Todas estas imágenes fueron obtenidas de la base de datos online de libre acceso donde profesionales del ámbito médico de todo el mundo llevan volcando imágenes de rayos X pulmonares de individuos sanos, con neumonía y con covid-19 desde el inicio de la pandemia.

Esta base de datos está disponible aquí.  

Resultados prometedores

Los resultados de este estudio, publicados en la revista Applied Sciences, mostraron que el algoritmo fue capaz de identificar correctamente un 85% de las imágenes, un valor muy aceptable, y que demuestra que podría utilizarse como mecanismo de ayuda al diagnóstico de esta enfermedad, ya que “los especialistas solo son capaces de detectar el 69% de los casos de covid-19 en radiografías, así que cometen errores de diagnóstico en casi un tercio de los casos” explicó el doctor Francisco Herrera, catedrático de Ciencias de la Computación de la Universidad de Granada e investigador ajeno al proyecto.

El siguiente paso es, por lo tanto, intentar disminuir el número de falsos positivos y falsos negativos y, una vez conseguido, probar este algoritmo en un hospital para ver si, efectivamente, diagnóstica correctamente a los pacientes sospechosos de padecer covid-19 que llegan a sus instalaciones.

“Este algoritmo puede representar un avance significativo a la hora de diagnosticar correctamente y con mayor rapidez a pacientes con covid-19, pero no significa que vaya a sustituir a los profesionales médicos. Su labor siempre será imprescindible para validar el resultado obtenido por el algoritmo ya que este nunca llegará a tener un 100% de aciertos, pero sí que les permitirá trabajar con mayor eficiencia” concluyó el investigador Javier Civit. Esta conclusión es compartida por el radiólogo del Hospital Universitario Clínico San Cecilio de Granada, el Dr. José Luis Marín “esperamos que en un futuro a medio plazo los algoritmos de aprendizaje profundo puedan ayudarnos no solo a diagnosticar la covid-19 mediante radiografías de tórax, sino también otras enfermedades que afectan a los pulmones. En este aspecto, este trabajo semeja ser un paso en la dirección correcta.” 

Esta investigación fue financiado a través de la Cátedra de Telefónica ‘Inteligencia en la Red’ de la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla.

Carlos Sierra. Univalis
 

Deja una respuesta