Universidad Galileo elabora algoritmos que apoyan la detección y el pronóstico de COVID-19
Con el objetivo de apoyar el diagnóstico y asesoramiento de casos de COVID-19, Universidad Galileo desarrolló un algoritmo que utiliza Inteligencia Artificial para analizar imágenes de pulmones y determinar la manera en que están siendo afectados por la enfermedad, así como realizar pronósticos de su posible avance.
Semanas después de que las autoridades anunciaran el ingreso del COVID-19 al país, un grupo de investigadores, liderados por MSc. Andrea Lara, Directora de la Maestría en Ingeniería Biomédica, comenzaron a trabajar en una herramienta que sirviera de apoyo para el diagnóstico y pronóstico del COVID-19.
Los investigadores de Universidad Galileo desarrollaron un algoritmo que acelera el proceso de diagnóstico y asesoramiento de casos, haciendo uso de imágenes médicas, en este caso específico, de los pulmones.
La propuesta se convirtió en la validación de un algoritmo de Inteligencia Artificial (AI, en inglés) para detección de casos de COVID-19 a partir de imágenes diagnósticas de tomografía axial computarizada y ultrasonido.
La herramienta ha sido entrenada para la detección de patrones asociados al COVID-19 y tiene la asesoría de médicos especialistas en el tema como neumólogos y radiólogos.
El algoritmo ha obtenido resultados prometedores al momento de hacer la clasificación; sin embargo, es necesario llevar a cabo un estudio que permita recolectar más datos para poder llevar la herramienta niveles adecuados de desempeño para su uso clínico.
También puede interesarte el artículo: Universidad Galileo elabora informe de recomendaciones para equipos de ventilación (pandemia COVID-19)
Para ello, se hace la convocatoria para que cualquier institución o especialista que esté involucrado en el proceso de imágenes diagnósticas de tomografía axial computarizada y ultrasonido, apoye en compartir sus datos.
Junto con MSc. Lara, el equipo de investigadores de Universidad Galileo que han trabajado en este proyecto son:
- Ing. Michaelle Perez, profesor en el Departamento de Matemática
- Iván Grijalva, estudiante de Ingeniería en Sistemas
- Victor Tzorin, estudiante de Maestría en Ingeniería Biomédica
- Y recientemente se involucró el Laboratorio Turing, que dirige el Ing. Julio Fajardo
Conversamos con MSc. Lara acerca de cómo funciona esta herramienta y la importancia del análisis de imágenes médicas para reconocer patrones de enfermedades.
¿Cómo funciona este proyecto de reconocimiento de imágenes y cómo lo ha trabajado el equipo de investigación?
Es un proyecto que estamos trabajando con el grupo de investigación de Ingeniería Biomédica, formado por ingenieros biomédicos e ingenieros en sistemas. Desde hace un tiempo hemos venido trabajando temas de investigación con imágenes.
Por la situación actual de la pandemia por el COVID-19, nos enfocamos en analizar imágenes de pulmones, utilizando modalidades en las cuales ya hay evidencia clínica que se utiliza para diagnosticar y hacer pronósticos en pacientes de coronavirus.
Lo que busca nuestra herramienta es hacer un diagnóstico asistido por computadora. Su objetivo es solamente apoyar en el diagnóstico. Los responsables de diagnósticos definitivos son los expertos, pero esta herramienta apoya en agilizar este proceso.
El grupo de investigación de la Maestría en Ingeniería Biomédica ya tiene experiencia en manejo de imágenes clínicas…
Hemos trabajado en algoritmos para detección de derrames, utilizando tomografía cerebral. También en esta área trabajamos la detección y clasificación de hemorragias.
Por mi parte, he estado trabajando en el análisis de imágenes del corazón utilizando tomografías, el objetivo es la detección temprana de lesiones en el miocardio a causa de baja oxigenación.
Mi experiencia es en análisis de imágenes de corazón utilizando ecocardiografía y tomografía. Por otra parte, con el equipo hemos trabajado tomografía cerebral para la detección de derrames y hemorragias, así como lesiones en general.
Por lo nuevo del tema del COVID-19, ¿los diagnósticos ampliados por la AI en imágenes pueden identificar de una mejor forma detalles que los expertos médicos no están acostumbrados a ver?
Esa es la idea. En la actualidad existen publicaciones científicas en las cuales se asegura que se han detectado ciertos patrones, tanto en tomografía y ultrasonido, asociados a los pacientes con Covid. Sin embargo, no son únicos de esta enfermedad. Existen algunos patrones que se ven que están asociados a la neumonía u otras enfermedades.
Lo interesante acá es ver como la computadora, a partir de AI, puede detectar no solo esos patrones, sino otros que no han sido identificados para el diagnóstico de los pacientes.
¿Cuál es el siguiente paso para tener este tipo de AI más certera?
Lo que necesitamos en este caso son volúmenes de datos, tanto de casos que han dado positivo como negativo. Si queremos utilizar el algoritmo de manera clínica, debe pasar por el proceso de validación.
En estos días estamos trabajando con datasets que están en disponibles en Internet. Con otros hemos tenido que solicitar permiso para acceder a ellos. También nos abocamos a centros de diagnóstico donde se están examinando estos pacientes.
Necesitamos más datos. Si quieren apoyarnos, pueden contactarnos en el correo electrónico: biomedica@galileo.edu.
GES Comunicación
