Mucho se ha hablado de los problemas económicos, logísticos y de falta personal sanitario para hacer pruebas diagnósticas de la Covid-19. Menos conocido es que la inteligencia artificial está ayudando ya en esta tarea. Concretamente mediante técnicas de aprendizaje profundo para reconocer imágenes. Son numerosos ya los grupos de trabajo que usan esta tecnología con pruebas de radiodiagnóstico.
La inteligencia artificial puede lograr, de forma prácticamente instantánea, detectar si unas imágenes de unos pulmones corresponden a un enfermo de Covid-19 afectado por una neumonía. Esta herramienta no sustituye a la opinión de un profesional sanitario ni es infalible, pero puede aligerar la carga de trabajo en los hospitales y mejorar la precisión de los diagnósticos.
Un paciente con numerosos síntomas de Covid-19 y que estuvo a punto de entrar en UCI dio negativo en dos tests de Covid-19
O.M. son las iniciales de un paciente de 39 años que se está recuperando en su domicilio tras sufrir una neumonía severa. En conversación telefónica con La Vanguardia explica que prefiere que su nombre no se publique para “superar lo antes posible la pesadilla”. Pasó tres semanas ingresado en estado grave en el Hospital Universitario Rey Juan Carlos de Móstoles.
Cuando se le realizó en este centro médico un test rápido y otro de tipo PCR, con una semana de diferencia, dio negativo en ambos. Algo sorprendente. Sobre todo si tenemos en cuenta que según explica estuvo muy cerca de ser ingresado en una UCI y de tener numerosos síntomas asociados a la Covid-19.
La inteligencia artificial y el radiodiagnóstico pueden jugar un importante papel para mejorar la precisión de los diagnósticos
Los médicos de este centro sanitario lograron curarle con un cóctel de fármacos que se usa en enfermos de Covid-19. Los análisis de sangre y las pruebas de radiodiagnóstico mostraban una importante neumonía en sus dos pulmones. Su saturación de oxígeno en sangre llegó a estar por debajo del 90 por ciento. Pero incluso a pesar de todo esto O.M. oficialmente no fue declarado enfermo de Covid-19 debido al resultado negativo de los tests.
En casos como este la inteligencia artificial y el radiodiagnóstico pueden jugar un importante papel. A pesar de que los tests PCR son bastante acertados, no son completamente infalibles. Por lo que sumar otras herramientas puede ayudar a afinar en el diagnóstico. Esa es una de las razones por las que las tecnologías de inteligencia artificial aplicadas a imágenes sanitarias están llegando a varios centros sanitarios.
Un estudio del Hospital Monte Sinaí de Nueva York identificó con inteligencia artificial a 17 enfermos de Covid que no detectaron los radiólogos
Algo que también se debe a que su implantación es relativamente económica y efectiva. Como demuestra un estudio publicado en Nature (PDF) realizado en el Hospital Monte Sinaí de Nueva York. Esta solución se compone en esencia de un software que ha sido entrenado con las técnicas de aprendizaje profundo. Para entrenar a la inteligencia artificial a detectar la Covid-19 se le proporcionan imágenes de radiodiagnóstico.
Al software se le indica las que corresponden a pacientes que sufren Covid-19 y las que corresponden a personas que no sufren la enfermedad. En el caso del estudio del Hospital Monte Sinaí se entrenó al sistema con tomografías computarizadas de más de 900 pacientes que habían ingresado en 18 centros médicos de 13 provincias chinas. Se incluyeron 419 casos confirmados de Covid-19 y 486 exploraciones negativas. El equipo que realizó el estudio también tuvo acceso a la información clínica de los pacientes: resultados de los análisis de sangre, edad, sexo y sintomatología.
En el Hospital del Mar de Barcelona se está usando inteligencia artificial para pruebas de radiodiagnóstico con una efectividad de hasta un 82 por ciento
El algoritmo identificó correctamente a 17 de 25 pacientes que habían dado positivo en Covid-19, pero que presentaban tomografías computarizadas aparentemente normales. Los radiólogos examinando el mismo material llegaron a la conclusión de que ninguno de los pacientes estaba afectado por el coronavirus. Una buena prueba de que esta tecnología puede ser una valiosa herramienta para lograr una segunda opinión.
En Barcelona el Hospital del Mar ha utilizado una técnica muy similar. En este centro sanitario se ha entrenado al software con 6.000 radiografías de tórax de pacientes del centro con Covid-19 y otros que no sufren la enfermedad. Lo que ha permitido obtener un alto nivel de fiabilidad, del 80 por ciento en el conjunto de los pacientes, que se eleva al 82 por ciento en aquellos con diagnóstico positivo por esta enfermedad.
El reto para lograr entrenar a la inteligencia artificial es la cantidad de datos disponibles para que esta aprenda, lo que mejora su precisión
La Clínica Universidad de Navarra es otro de los centros en España que trabaja con esta tecnología. En este caso cooperando con otros centros sanitarios de varios países. Usan tecnología de la empresa Siemens Healthineers. Incluso dos estudiantes de Ingeniería de Telecomunicaciones de Madrid han creado un software de este tipo.
En esta web se puede comprobar cómo funciona. Sus creadores solicitan colaboración para lograr acceso a bancos de datos de radiografías y mejorar el entrenamiento de sus algoritmos. Numerosas empresas de todo el mundo han comenzado a ofrecer soluciones de inteligencia artificial de este tipo. Pero el reto para lograr diagnósticos fiables es lograr entrenar al sistema. Como demuestra la petición de ayuda de estos investigadores españoles.
Para entender mejor el funcionamiento de esta técnica podemos recurrir incluso a aplicaciones que tenemos instaladas en el teléfono. Como es el caso de Google Fotos. La empresa californiana se ha convertido en una de las principales en el desarrollo de la inteligencia artificial. Algo que se debe a la enorme cantidad de información, en forma de big data, que procesa a través de sus numerosos servicios. El reconocimiento de toda clase de imágenes en Google Fotos es fruto de un aprendizaje que va mucho más allá de las fotos que cada usuario almacena en la nube.
La precisión con la que Google Fotos reconoce por ejemplo nuestra cara es fruto de años de análisis de un enorme caudal de datos: desde todas las imágenes que a diario almacenan los millones de usuarios de este servicio, hasta los fotogramas de vídeo de Youtube. Ese enorme conjunto de datos visuales es el que hace que aumente la precisión de la inteligencia artificial de Google.
Por eso parece importante la colaboración de centros de investigación de todo el mundo para intercambiar datos de radiodiagnóstico. Sobre todo si estos se acompañan de otros datos, como los resultados de tests de diagnóstico. Aunque seguramente también ayudaría intercambiar información tecnológica entre los desarrolladores para lograr mejores algoritmos.
La colaboración entre centros sanitarios parece fundamental para mejorar la precisión del diagnóstico por software
