Borrar
Para el proyecto, es necesario que el personal médico aporte un catálogo de imágenes perfectamente etiquetadas. Iñaki Porto
Inteligencia artificial para detectar más rápido la Covid-19

Inteligencia artificial para detectar más rápido la Covid-19

Un grupo de investigadores de la UPCT trabaja en el diseño de una red neuronal para la clasificación y el análisis de imágenes médicas de tórax de pacientes afectados por la enfermedad

Lydia Martín

Miércoles, 30 de septiembre 2020, 00:02

Necesitas ser suscriptor para acceder a esta funcionalidad.

Compartir

La investigación supone un pilar imprescindible para hacer que áreas como la ciencia, la medicina o la tecnología, entre muchas otras, avancen y repercutan positivamente en el conjunto de la sociedad. Con la base en la innovación, los investigadores buscan dar un paso más y ofrecer soluciones ante los nuevos retos que se plantean.

En los últimos meses la investigación ha sido una de las prioridades en la lucha contra la pandemia por la Covid-19 para minimizar el impacto sanitario, y con ello también el económico y el social. Por ello, los grupos de investigación han focalizado sus esfuerzos en poder conocer más de la Covid-19, acercarse a un diagnóstico o agilizar el proceso de detección e incluso dar con la vacuna. Todo esfuerzo es bien recibido ante un virus al que urge hacer frente.

En la Región de Murcia, donde el talento investigador ya ha demostrado con creces su potencial, han sabido detectar la necesidad y ponerse a trabajar en nuevos proyectos que aporten avances en este aspecto. Uno de ellos nace del Grupo de Investigación de la Universidad Politénica de Cartagena (UPCT) 'Desarrollo de Sistemas y Circuitos Electrónicos y Microelectrónicos', formado por seis investigadores entre doctores y doctorandos con el profesor Juan Francisco Zapata, que han puesto en marcha el proyecto 'Una solución Deep Learning para la determinación automática de Covid-19 en imágenes médicas de tórax'. Se trata de una iniciativa que pretende acortar el tiempo a la hora de detectar a una persona enferma de Covid-19 con un proceso de neumonía y diseñar una red que permita la clasificación y detección de imágenes médicas de pacientes afectados, para lo que cuenta con la financiación de la Consejería de Empleo, Investigación y Universidades, a través de la Fundación Séneca dentro del 'Programa COVI+D-19'.

«Durante el confinamiento muchos ciudadanos estábamos realmente preocupados con las situación de colapso al que nuestro sistema de salud estaba siendo sometido por la Covid-19. Algunos investigadores decidimos no quedarnos sentados de brazos cruzados y, ante la llamada del Instituto de Salud Carlos III que instaba al desarrollo de proyectos de investigación que combatiese la pandemia, decidimos dar un pequeño paso adelante e intentar ayudar con lo que mejor sabemos hacer que es investigar e innovar», recuerda Juan Francisco Zapata. Por eso, pensaron en realizar un sistema basado en técnicas de inteligencia artificial, en concreto en 'deep learning', para poder determinar si una persona con neumonía tiene Covid-19 o no, en un intento de aliviar la presión del sistema de salud.

El objetivo es crear una nueva herramienta potente y fiable que permita trabajar mejor

«Los kits de prueba actuales para la detección de Covid-19 son bastante limitados, lo que hace necesario confiar en otras medidas de diagnóstico entre las que se encontraría la utilización de radiografías y/o tomografías del tórax, cuyos recursos están siempre presentes en las redes nacionales de salud, no solo de España sino de todo el mundo», asegura el investigador. Sin embargo, para el análisis de las imágenes médicas se requiere de un experto en radiología, «y esto conlleva un consumo considerable de recursos humanos y de tiempo, ambos recursos siempre preciados cuando el sistema sanitario se encuentra en peligro de colapso», detalla.

Ante esto vieron como solución el desarrollo de un sistema de análisis automatizado de imágenes médicas del tórax para la asistencia a los profesionales médicos en el diagnóstico de la Covid-19. En este sentido, la inteligencia artificial ha sido la aliada perfecta, ya que recientemente se han estado explorando soluciones aplicando esta tecnología en la detección de neumonía mediante imágenes médicas de tórax, por lo que se puso este enfoque como punto de partida para la detección de la Covid-19.

«Creemos que es importante y necesario para la red de salud pública acudir a este ámbito de actuación para aliviar la presión a la que está sometida o pueda llegar a estar sometida en posibles nuevas olas de contagios», añade el profesor titular de la UPCT.

Un sistema capaz de aprender de los datos

El Grupo de Investigación pretende así diseñar una red neuronal profunda capaz de aprender de los datos que se les entrega de manera automática, haciendo que a través del 'Transfer Learning' se cataloguen las imágenes médicas del tórax, se analicen y se detecte dónde está presente la enfermedad. Si la red neuronal es suficientemente profunda, con muchas capas y con muchas neuronas artificiales en ellas conectadas todas entre sí, y si se alimenta su entrada con numerosos datos o imágenes médicas en este caso, esta será capaz de detectar patrones subyacentes en las imágenes que permitan clasificarlas. En este caso se diagnostica si la imagen presenta una neumonía por Covid-19 o no.

En cuanto al proceso de captación, la mayoría de esas imágenes se obtienen directamente en formato digital desde el propio instrumental que realiza las radiografías o las tomografías, y esta es portadora de la información que precisaría la red neuronal profunda para aprender. Estas imágenes sufren un cierto preprocesado para que encaje adecuadamente a la entrada de la red neuronal, que se realiza por el sistema de forma automática.

«Lo que es más complicado es la obtención de una base de datos etiquetada de forma acorde. Es necesario disponer de cientos o miles de imágenes por parte del personal médico experto que permita tener todo un catálogo de imágenes perfectamente etiquetadas. La utilización masiva de datos es lo que le permite a la red neuronal profunda aprender», informa Zapata.

En este sentido, no se pretende sustituir al profesional que se dedica a la interpretación de las imágenes médicas en el sistema de salud, sino proporcionarles una herramienta lo más potente y fiable posible, para que desarrollen mejor y más rápido su trabajo. «Las redes neuronales artificiales profundas suelen proporcionar altas tasas de fiabilidad. Nuestra intención es que la tasa de falsos positivos y negativos sea la más baja posible», añade Zapata.

De momento, las pruebas preliminares en bases de datos de solo radiografías han obtenido una fiabilidad en el entorno del 90%, un dato prometedor pero que requiere aún trabajo por parte del Grupo de Investigación. En cuanto a la rapidez del diagnóstico, las redes neuronales profundas suelen gastar una gran cantidad de tiempo a la hora de entrenarlas en el laboratorio, es decir, en enseñarlas a detectar lo que se quiere. Pero una vez enseñadas e instaladas en el sistema, su respuesta o inferencia es inmediata, por lo que podría ayudar a diagnosticar en tiempo real.

Financiación de conocimiento

El proyecto 'Una solución Deep Learning para la determinación automática de Covid-19 en imágenes médicas de tórax' cuenta con el respaldo de la Consejería de Empleo, Investigación y Universidades a través de la Fundación Séneca-Agencia de Ciencia y Tecnología de la Región de Murcia y el Programa COVI+D-19. Se trata de una iniciativa que tiene como fin el fomento de la investigación científica y técnica en respuesta a la situación de crisis sanitaria ocasionada por este virus, con un importe de 9.350 euros y un plazo de realización de 16 meses (hasta el 31/12/2021). Este proyecto ha sido evaluado positivamente por el Comité de Valoración del Instituto de Salud Carlos III.

Cuenta con el respaldo de la Fundación Séneca dentro del programa COVI+D-19

«El proyecto, al no tener un carácter clínico, tenía difícil pasar el corte en cuanto a financiación por parte del Instituto Carlos III, y nosotros así lo asumimos. Cuando nos informaron diciendo que el proyecto había tenido alta recomendación de financiación por su parte y que la Comunidad Autónoma a través de la Fundación Séneca había tenido a bien financiarlo en parte, la verdad que sentimos bastante responsabilidad a llevar a buen fin el proyecto», cuenta el profesor titular de la UPCT.

«Esperamos tener resultados contrastables en ese plazo. Esa es la idea y el objetivo del proyecto», señala Zapata, quien añade la esperanza de no tener muchos problemas con partes críticas como el etiquetado del conjunto de datos y que todo vaya según lo esperado, «devolviendo a la sociedad un poco de lo que ha vertido sobre nosotros».

Reporta un error en esta noticia

* Campos obligatorios