Inteligencia artificial para diagnosticar COVID a través de la imagen médica de tórax

Expertos en tecnología investigan cómo detectar COVID-19 a través de la imagen médica de tórax con inteligencia artificial. Se trata del proyecto BIGSALUD2 del Instituto Tecnológico de Informática. Este está financiado por el Instituto Valenciano de Competitividad Empresarial (IVACE) y el Fondo Europeo de Desarrollo Regional (FEDER). El objetivo de este trabajo es desarrollar modelos basados en IA para poner en marcha herramientas de diagnóstico, pronóstico y cribado de pacientes con COVID-19. En concreto, son tres las líneas de investigación que está abordando este proyecto. La primera es la realización de un pronóstico que anticipe el reingreso no programado de pacientes durante los 30 días inmediatos al alta hospitalaria. El segundo conocer la evolución clínica de pacientes con COVID-19. Por último, se trabaja en detectar la enfermedad a través de la imagen médica de tórax. A través de este proyecto, se van a desarrollar herramientas software. Estas, combinadas con modelos de inteligencia artificial construidos a partir de datos sanitarios, realicen estimaciones fiables que se puedan integrar a la práctica hospitalaria. Por ejemplo, seleccionar el tratamiento óptimo para cada paciente; diagnosticar enfermedades; o incluso pronosticar que un paciente desarrolle una enfermedad.

Detectar COVID a través de la imagen médica de tórax

Hasta ahora, los investigadores han realizado un análisis iterativo de más de 40 mil radiografías y 20 mil historias clínicas. Estas incluían a pacientes sanos, con COVID-19 o con reingreso no programado. A todas ellas se les aplica técnicas conocidas como ‘Machine Learning’. Esto significa que las “máquinas aprenden de los datos patrones que permiten parametrizar y predecir enfermedades”, añade François Signol, responsable del proyecto en ITI. Las mismas técnicas aplicadas al pronóstico de COVID-19, adecuadamente adaptadas, serían válidas a cualquier acción que permita a un hospital anticipar la evolución de pacientes con otras enfermedades. También se está abordando la mejora del flujo de trabajo entre el equipo médico y los analistas de datos. De esta forma, se pueden intercambiar e interpretar los datos sanitarios (imágenes médicas, información clínica, información ómica), para la construcción de modelos predictivos basados en aprendizaje automático. En una siguiente fase, se trabajará en la optimización de toda la infraestructura de análisis de datos adecuándola a las necesidades de un hospital.