UAM creó software para diagnosticar el COVID-19 a partir de imágenes de Rayos X de Tórax
La Universidad Autónoma de Manizales (UAM), con el apoyo de Servicios Especiales de Salud- SES Hospital Universitario de Caldas, El Banco de Imágenes Médicas de la Comunidad Valenciana-BIMCV, con el financiamiento del Ministerio de Ciencia, Tecnología e Innovación-Minciencias desarrolló CXR Covid Detector, un software de apoyo en el diagnóstico presuntivo de pacientes con COVID-19 a partir de rayos X de Tórax.
Su detección es instantánea, con una precisión en el diagnóstico de COVID-19 por encima del 87%. La UAM decidió su uso gratuito como un aporte a la pandemia y con el propósito de aportar en el cierre de la brecha entre la producción y el uso del conocimiento científico (Explico María del Carmen Vergara Quintero. Coordinadora de la Unidad de Investigación de la Universidad)
Este modelo busca ser un apoyo para que un radiólogo dé la efectividad del diagnóstico y la certeza de este; puede ser usado en todos los centros hospitalarios del país y del mundo.
“Buscamos que las entidades de salud puedan tener una herramienta adicional para el apoyo en el diagnóstico presuntivo de COVID-19, no solo en una primera etapa, sino también cuando se quiera hacer seguimiento a una persona que ha sido diagnosticada, para así determinar el grado de la afectación de la enfermedad”, comentó Oscar Cardona Morales, líder del grupo de investigación en Automática.
El proyecto de investigación que da como resultado esta tecnología, tiene como nombre “Detección de COVID-19 a partir de imágenes de Rayos X usando Redes Neuronales Convolucionales” (modelo de computación entrenado previamente para la identificación o reconocimiento de patrones, en este caso del Coronavirus)”.
El desarrollo se realizó de la mano de radiólogos que estudiaron las imágenes de pacientes de Colombia y España que presentaban y no presentaban la patología de COVID–19.
El grupo de investigadores que desarrollo esta tecnología, hoy al servicio de la sociedad son: Jesús Alejandro Álzate Grisales, Alejandro Mora Rubio y Harold Brayan Arteaga Arteaga como jóvenes investigadores de pregrado; Mario Alejandro Bravo Ortiz, Daniel Arias Garzón y Luis Humberto López Murillo como jóvenes investigadores profesionales; Simón Orozco Arias, Oscar Cardona Morales, Felipe Buitrago Carmona y Reinel Tabares Soto Investigadores de la Universidad Autónoma de Manizales, los cuales lideraron está investigación relacionada con la detección de COVID-19, como una forma de diagnóstico rápido, económico y preciso en comparación con otras técnicas como los test rápidos (antígenos) y las pruebas PCR.
El equipo de trabajo se complementó con la participación de estudiantes del semillero del grupo de investigación en Automática como Juan Pablo Villa Pulgarín, Esteban Mercado Ruiz y Melissa de la Pava Rodríguez; y la participación de investigadores externos como María de la Iglesia Vayá del BIMCV, y los médicos radiólogos Mario Alfonso Sierra Gaber, María Mónica Ramírez Sánchez y Oscar Jaramillo Robledo de Servicios Especiales de Salud- SES Hospital Universitario de Caldas (SES-HUC).
“Tenemos cerca de 22 mil imágenes. Cuando tenemos una radiografía, lo que hacemos es segmentar la zona del pulmón. Posteriormente obtenemos los rasgos específicos del COVID-19, gracias a una base de datos que fue realizada por radiólogos. Con estos datos lo que hacemos es entrenar una red neuronal (modelo de computación) que permite identificar si radiografías posteriormente analizadas se evidencian o no con este virus”, comentó Jesús Alejandro Álzate Grisales, Joven investigador de pregrado, estudiante de Ingeniería Electrónica e Ingeniería Biomédica de la UAM.
Los investigadores explicaron que este proyecto se puede dividir en varias fases:
1. Obtención de la base de datos: Todos los algoritmos de inteligencia artificial necesitan gran cantidad de datos para que puedan ser entrenados, en este caso radiografías de tórax de personas que hayan presentado COVID-19 positivo y COVID-19 negativo. Para esto, los investigadores cuentan con el apoyo del Banco de la Imagen Medica de la Comunidad Valenciana (BIMCV), los cuales proveen estas imágenes previamente revisadas y de diferentes hospitales.
2. Preprocesar la base de datos: En esta etapa se revisan las imágenes y se usan diferentes técnicas para evitar que la calidad y las condiciones de obtención de las imágenes influyan en los modelos de inteligencia artificial.
3. Segmentar la zona del pulmón: Para esto se usan modelos que aprendan a distinguir la zona del pulmón y la segmenten, ya que es la zona de interés.
4. Distinguir zonas con rasgos característicos observados en COVID-19: A partir de las imágenes previamente segmentadas se aprende a distinguir zonas con rasgos característicos de COVID-19, por lo que se necesitan imágenes que hayan sido previamente anotadas por radiólogos, por lo que contamos con la ayuda de 2 radiólogos pertenecientes Servicios Especiales de Salud-SES Hospital Universitario de Caldas (SES-HUC).
5. Clasificar imágenes COVID-19 positivo vs COVID-19 negativo: En esta etapa se ingresan las imágenes para su clasificación final usando las ya mencionadas redes neuronales Convolucionales, en específico aquellas que han sido ya entrenadas para otras tareas.
6. Evaluar los resultados: Se analiza la viabilidad y efectividad de los resultados obtenidos con diferentes técnicas estadísticas.
7. Desarrollo e implementación de Software
8. Continuar el desarrollo y fortalecimiento del software: Nutrir el software desarrollado de los aportes de la comunidad médica y académica que están representados en las imágenes, conocimientos, conceptos, sugerencias y mejoras que se puedan compartir.
Cabe resaltar que este proyecto cuenta con el apoyo de los grupos de investigación de Automática e Ingeniería de Software, el Semillero de Bioinformática e Inteligencia Artificial del grupo de investigación en Automática de la Universidad Autónoma de Manizales; Servicios Especiales de Salud-SES Hospital Universitario de Caldas (SES-HUC); y colaboradores del Centro de Investigación del Príncipe Felipe (España) y el Banco de la Imágenes Médica de la Comunidad Valenciana, los cuales proveen recursos computacionales y acceso a bases de datos.
Finalmente, esta iniciativa es financiada por el Ministerio de Ciencia, Tecnología e Innovación (Minciencias) dentro de la convocatoria para el fortalecimiento de proyectos en ejecución de CTeI en ciencias de la salud con talento joven e impacto regional, donde se incluyen jóvenes investigadores de pregrado y jóvenes profesionales, así como la estrategia de Apropiación Social del Conocimiento-ASC.
“Con el software se tendrá una ayuda a las entidades como centros de salud de mediana y baja complejidad alejados de la capital para que puedan tamizar si la persona está afectada por COVID-19 o no”, añadió Cardona.
Su lanzamiento oficial se realizó en la Universidad Autónoma de Manizales y contó con las conferencias del radiólogo Mario Mario Alfonso Sierra Gaber orientada a comprender la radiología de imágenes de COVID y el PhD. Reinel Tabares Soto, quien habló del tema de inteligencia artificial aplicada a las imágenes de rayos X de COVID-19.
BC Noticias
