Sábado, 02 Enero 2021 19:11

ccc



Diagnóstico rápido de Covid-19 basado en imágenes y técnicas de inteligencia artificial



Introducción

La emergencia sanitaria actual ha generado el interés por desarrollar nuevos métodos para la rápida detección de la Covid-19, con la intención de detener su virtual propagación. Debido a que este nuevo virus deja secuelas en diferentes órganos del cuerpo, algunos investigadores han intentado hacer una detección temprana utilizando la inteligencia artificial como herramienta para interpretar imágenes de rayos-X de pulmón, ya que se ha comprobado su eficacia para analizar las radiografías con una alta precisión.

Problematica

El diagnóstico del Covid-19 normalmente se realiza mediante la reacción en cadena de la polimerasa (PCR) que tiene alta efectividad; sin embargo:

a) Su resultado es lento.
b) Es costoso.
c) Se requiere de equipo y laboratorio especializados.
d) Existe el peligro de un posible desabasto de los insumos en caso de que el virus siga avanzando.

La sensibilidad de PCR depende del tipo de muestra, lo que hace que la prueba no sea del todo efectiva.

En México, el diagnóstico de la Covid-19 es muy costoso, no todos los centros de salud cuentan con el equipo necesario para realizarlo y no toda la población tiene acceso a dicha prueba.

Propuesta

Las limitaciones del diagnóstico del PCR llevan a proponer un sistema para detectar lesiones pulmonares asociadas a la infección por SARS-CoV-2, a través de imágenes de rayos X y de termografía computarizada. Lo anterior, porque este tipo de diagnóstico resulta más económico, es más accesible y tiene una probada efectividad; además, de que los resultados se obtienen de manera mucho más expedita: en segundos o minutos. El uso de placas digitales (o digitalizadas) de rayos-x simple de tórax es una de las formas más económicas, eficientes y eficaces para diagnóstico de neumonías, entre la que se encuentra el Covid-19.

Mediante técnicas de aprendizaje profundo se desarrolló un sistema automático de radiografías de tórax que permite diagnosticar si el paciente tiene o no Covid-19. Para entrenar el sistema se utilizaron miles de imágenes de rayos X de diferentes tipos de neumonías, incluyendo la producida por Covid-19, así como de personas sin ninguna afectación. Una vez entrenado el sistema de diagnóstico se integró a una plataforma virtual que pueden utilizar los médicos: se sube a la plataforma una imagen de rayos-x y en segundos el sistema provee el diagnóstico.

Resultados

El sistema ha sido evaluado a la fecha con cerca de 100 imágenes de rayos-x de Covid-19 y miles de imágenes de casos normales y otras neumonías; el sistema es capaz de diferenciar Covid versus No Covid con una precisión del 99%.

Actualmente está en proceso una evaluación más extensiva en colaboración con la Fundación del Instituto Mexicano del Seguro Social y el Instituto Nacional de Enfermedades Respiratorias. Se espera que pronto este sistema de diagnóstico rápido esté disponible para su uso extendido en cualquier clínica u hospital del país.

Referencias

[1] Rajpurkar P, Irvin J, Ball RL, Zhu K, Yang B, Mehta H, Duan T, Ding D, Bagul A, Langlotz CP, Patel BN, Yeom KW, Shpanskaya K, Blankenberg FG, Seekins J, Amrhein TJ, Mong DA, Halabi SS, Zucker EJ, Ng AY, Lungren MP, "Deep learning for chest radiograph diagnosis: A retrospective comparison of the CheXNeXt algorithm to practicing radiologists." PLoS Med. 2018 Nov; 15(11)

[2] Hashmi MF, Katiyar S, Keskar AG, Bokde ND, Geem ZW. Efficient Pneumonia Detection in Chest Xray Images Using Deep Transfer Learning. Diagnostics (Basel). 2020;10(6):417. Published 2020 Jun 19.

Autores: L. Enrique Sucar (Miembro del Consejo Consultivo de Ciencias), Mariano Rivera y Eduardo Morales (INAOE y CIMAT).

Inicio