‘DeepCOVID-XR’ todavía se encuentra en la fase de investigación, pero podría potencialmente usarse en el entorno clínico en el futuro.
26.11.2020 – 23:55
Los investigadores de la Northwestern University, en Estados Unidos, han desarrollado una nueva plataforma de inteligencia artificial (IA) que detecta el coronavirus mediante el análisis de imágenes de rayos X de los pulmones con una precisión y velocidad que superan a los radiólogos torácicos con las técnicas convencionales.
Llamado ‘DeepCOVID-XR’, el algoritmo de aprendizaje automático superó a un equipo de radiólogos torácicos especializados detectando el COVID-19 en rayos X aproximadamente 10 veces más rápidoy entre un 1% y un 6% con mayor precisión, según avanzan los investigadores en la revista ‘Radiology’.
Los investigadores creen que los médicos podrían usar el sistema de inteligencia artificial para evaluar rápidamente a los pacientes que ingresan en los hospitales por razones distintas al COVID-19. La detección más rápida y temprana del virus altamente contagioso podría proteger a los trabajadores de la salud y a otros pacientes al hacer que el paciente positivo se aísle antes.
‘DeepCOVID-XR’ todavía se encuentra en la fase de investigación, pero podría potencialmente usarse en el entorno clínico en el futuro
Los autores del estudio también creen que el algoritmo podría potencialmente marcar a los pacientes para el aislamiento y la prueba que de otra manera no estarían bajo investigación para COVID-19.
DETECCIÓN PRECOZ
“No pretendemos reemplazar las pruebas reales. Los rayos X son rutinarios, seguros y económicos. Nuestro sistema tardaría unos segundos en examinar a un paciente y determinar si ese paciente necesita ser aislado”, ha puntualizado Aggelos Katsaggelos, profesor de Ingeniería Eléctrica e Informática en la Escuela de Ingeniería McCormick de Northwestern, experto en inteligencia artificial y autor principal del estudio.
“Podría llevar horas o días recibir los resultados de una prueba de COVID-19. La IA no confirma si alguien tiene el virus o no. Pero si podemos marcar a un paciente con este algoritmo, podríamos acelerar la clasificación antes de que se obtengan los resultados de la prueba”, ha explicado el doctor Ramsey Wehbe, cardiólogo y becario postdoctoral en IA en el Instituto Cardiovascular de Northwestern Medicine Bluhm.
Para muchos pacientes con coronavirus, las radiografías de tórax muestran patrones similares. En lugar de pulmones limpios y sanos, sus pulmones se ven irregulares y confusos.
“Muchos pacientes con COVID-19 tienen hallazgos característicos en sus imágenes de tórax. Estos incluyen ‘consolidaciones bilaterales’. Los pulmones están llenos de líquido e inflamados, particularmente a lo largo de los lóbulos inferiores y la periferia”, ha señalado Wehbe.
El problema es que la neumonía, la insuficiencia cardíaca y otras enfermedades de los pulmones pueden verse similares en las radiografías. Se necesita un ojo entrenado para diferenciar entre COVID-19 y algo menos contagioso.
El laboratorio de Katsaggelos se especializa en el uso de IA para imágenes médicas. Él y Wehbe ya habían estado trabajando juntos en proyectos de imágenes de cardiología y se preguntaban si podrían desarrollar un nuevo sistema para ayudar a combatir la pandemia.
La precisión de los radiólogos osciló entre el 76% y el 81% y ‘DeepCOVID-XR’ funcionó ligeramente mejor con un 82% de precisión
“Cuando la pandemia comenzó a aumentar en Chicago, nos preguntamos si había algo que pudiéramos hacer. Estábamos trabajando en proyectos de imágenes médicas utilizando ecocardiograma e imágenes nucleares. Sentimos que podíamos girar y aplicar nuestra experiencia conjunta para ayudar en la lucha contra la Covid”, ha apuntado Wehbe.
MUESTRA
Para desarrollar, entrenar y probar el nuevo algoritmo, los investigadores utilizaron 17.002 imágenes de rayos X de tórax, el mayor conjunto de datos clínicos publicados de rayos X de tórax de la era COVID-19 utilizado para entrenar un sistema de inteligencia artificial. De esas imágenes, 5.445 provinieron de pacientes COVID-19 positivos de sitios en todo el Northwestern Memorial Healthcare System.
Luego, el equipo probó ‘DeepCOVID-XR’ contra cinco radiólogos experimentados capacitados en cardiotorácicos en 300 imágenes de prueba aleatorias del Lake Forest Hospital. Cada radiólogo tardó aproximadamente entre dos horas y media y tres horas y media en examinar este conjunto de imágenes, mientras que el sistema de inteligencia artificial tardó unos 18 minutos.
La precisión de los radiólogos osciló entre el 76% y el 81%. ‘DeepCOVID-XR’ funcionó ligeramente mejor con un 82% de precisión.
“Estos son expertos que tienen una subespecialidad capacitada en la lectura de imágenes del tórax -apunta Wehbe-. Mientras que la mayoría de las radiografías de tórax son leídas por radiólogos generales o inicialmente interpretadas por personas que no son radiólogos, como el médico tratante. Muchas veces las decisiones se toman con base en esa interpretación inicial”.
AHORRO DE TIEMPO Y DINERO
“Los radiólogos son costosos y no siempre están disponibles. Los rayos X son económicos y ya son un elemento común de la atención de rutina. Esto podría ahorrar dinero y tiempo, especialmente porque el tiempo es muy importante cuando se trabaja con COVID-19”, ha recordado Katsaggelos.
Por supuesto, no todos los pacientes con COVID-19 muestran algún signo de enfermedad, incluso en las radiografías de tórax. Especialmente al principio de la progresión del virus, es probable que los pacientes aún no tengan manifestaciones en sus pulmones.
“En esos casos, el sistema de inteligencia artificial no marcará al paciente como positivo -continúa Wehbe-. Pero tampoco lo haría un radiólogo. Claramente, existe un límite para el diagnóstico radiológico de COVID-19, por lo que no lo usaríamos para reemplazar las pruebas”.
Los investigadores de Northwestern han puesto el algoritmo a disposición del público con la esperanza de que otros puedan seguir entrenándolo con nuevos datos. En este momento, ‘DeepCOVID-XR’ todavía se encuentra en la fase de investigación, pero podría potencialmente usarse en el entorno clínico en el futuro.
Comentarios recientes