Investigadores del Instituto Terasaki han diseñado y validado una detección basada en imágenes de COVID-19 con la ayuda de modelos de IA. Para lograrlo, comenzaron utilizando un modelo para recopilar datos de imágenes de los lóbulos pulmonares. Luego, estos datos se analizaron para obtener posibles biomarcadores de diagnóstico de COVID-19. El modelo completo se desarrolló con una serie de 704 radiografías de tórax y se validó con 1597 casos de pacientes sanos, con neumonía y COVID-19. Los resultados mostraron un excelente desempeño del modelo.
Comentarios
DeepL: Investigadores emplean modelos de inteligencia artificial para la detección de COVID-19 basada en imágenes
La imagen médica es desde hace tiempo una herramienta fundamental para el diagnóstico y la evaluación del pronóstico de muchas enfermedades. En los últimos años, el uso de modelos de inteligencia artificial se ha utilizado junto con estas imágenes para aumentar su capacidad de diagnóstico.
Mediante el uso de estos modelos, se pueden extraer algunas características de las imágenes que pueden revelar características de la enfermedad no identificadas a simple vista. El poder de procesar los datos de esta manera inteligente puede tener un gran impacto en el campo de la medicina, especialmente con el actual crecimiento de las características de las imágenes y la necesidad de una alta precisión en las decisiones médicas.
Existe una gran demanda de detección rápida y precisa de la infección por COVID-19. El principal método de detección ha sido el uso de la reacción en cadena de la polimerasa con transcripción inversa (RT-PCR) en muestras recogidas de hisopos nasales o de garganta. Sin embargo, este método está sujeto a imprecisiones debido a los errores de muestreo, la baja carga viral y las limitaciones de sensibilidad del método. Esto es un problema especialmente importante para los pacientes que están en las primeras etapas de la infección.
Una herramienta de diagnóstico adicional para COVID-19 puede provenir de las imágenes de los pulmones. Para el diagnóstico de las enfermedades pulmonares, las radiografías de tórax o las tomografías computarizadas son los principales recursos, y pueden utilizarse para distinguir la COVID-19 de otros tipos de lesiones pulmonares, así como para evaluar la gravedad de la afectación pulmonar en la COVID-19. Estos tipos de imágenes pueden mejorar la capacidad de diagnóstico de los pacientes con COVID-19, especialmente si se combinan con modelos de inteligencia artificial.
Mediante un esfuerzo de colaboración entre varios institutos, los investigadores del Instituto Terasaki de Innovación Biomédica (TIBI) han diseñado y validado una detección de COVID-19 basada en imágenes con la ayuda de modelos de inteligencia artificial. Para ello, empezaron por utilizar un modelo para recoger automáticamente datos de imágenes de los lóbulos pulmonares. A continuación, se analizaron estos datos para obtener características como posibles biomarcadores de diagnóstico de COVID-19.
Estos biomarcadores de diagnóstico mediante el modelo de inteligencia artificial se utilizaron posteriormente para diferenciar a los pacientes con COVID-19 de los pacientes con neumonía y de los sanos. El modelo completo se desarrolló con una serie de 704 radiografías de tórax y, a continuación, se validó de forma independiente con 1.597 casos procedentes de múltiples fuentes compuestas por pacientes sanos, con neumonía y con COVID-19. Los resultados mostraron un excelente rendimiento del modelo en la clasificación de los diagnósticos de los distintos pacientes.
"Este modelo de inteligencia artificial altamente avanzado ayuda aún más a nuestra capacidad de detectar con precisión a los pacientes con COVID-19. Además, este modelo puede aplicarse para el diagnóstico de otras enfermedades utilizando diferentes modalidades de imagen". —Samad Ahadian, doctor, investigador principal del estudio, Instituto Terasaki de Innovación Biomédica
El uso de modelos informáticos con datos extraídos de imágenes médicas es muy prometedor para hacer posible la medicina de precisión y puede revolucionar la práctica médica en la clínica. El desarrollo de metodologías para capturar conjuntos enteros de información mientras se suprimen las características irrelevantes mejora la fiabilidad de los modelos de inteligencia artificial.
El enfoque propuesto sería un paso hacia su aplicación en la medicina de precisión y puede proporcionar una forma eficiente, barata y no invasiva de reforzar la capacidad de diagnóstico de las imágenes.
"Los modelos impulsados por la inteligencia artificial con capacidad de diagnóstico y predicción son una poderosa herramienta que forma parte importante de nuestras plataformas de investigación aquí en el instituto", dijo el doctor Ali Khademhosseini, director y consejero delegado del TIBI. "Esto se trasladará a innumerables aplicaciones en el campo biomédico y en la clínica".
He descartado el anterior envío por el sensacionalismo de la fuente.