Ciencia portuguesa publicada en importante revista

Un equipo de investigadores del Instituto de Ingeniería, Tecnología y Ciencias de Sistemas y Computación (INESC TEC) desarrolló un estudio sobre inteligencia artificial (IA) y aprendizaje profundo. Fue publicado recientemente en Scientific Reports – Nature.

El trabajo que ahora se publica se ha desarrollado en el marco del proyecto TAMI del Programa Carnegie Mellon Portugal (CMU Portugal), que propone poner la IA al servicio del sector sanitario, más concretamente en el apoyo a la decisión médica para aumentar la confianza en el diagnóstico respectivo.

La pandemia de COVID-19 ha revolucionado los sistemas de salud en todo el mundo y su velocidad de propagación ha hecho imprescindible el diagnóstico y la detección precoz de las manifestaciones más graves de la enfermedad. La radiografía de tórax se ha convertido en una de las formas más utilizadas de diagnóstico complementario y seguimiento de la evolución de la enfermedad.

Una radiografía debe ser interpretada por radiólogos experimentados. Sin embargo, la pandemia provocó un aumento apreciable en el número de exámenes radiológicos a observar, situación que, junto con la escasez de radiólogos, obligó a recurrir a otros clínicos con menos experiencia en la interpretación de estos exámenes. El análisis de imágenes automatizado a través de técnicas de IA puede, por lo tanto, desempeñar un papel clave como segunda opinión para respaldar las decisiones clínicas para los pacientes con COVID-19. Según Aurélio Campilho, uno de los principales investigadores del proyecto, “el objetivo de la investigación era justamente estudiar cómo el Deep Learning puede ser puesto al servicio del diagnóstico médico”.

“Con este proyecto queríamos evaluar cómo las técnicas de Deep Learning podrían ayudar a la interpretación/lectura de radiografías y el consecuente diagnóstico y seguimiento de pacientes con COVID-19. Desde el comienzo de la pandemia, ha habido un gran esfuerzo por parte de la comunidad científica en Aprendizaje Computacional para proponer nuevos enfoques que apoyen el diagnóstico médico y muchos de los estudios inicialmente publicados afirmaban resultados exageradamente prometedores, indicando incluso una capacidad diagnóstica sobrehumana para COVID-19. Lo que mostró nuestro estudio fue que la aplicación de estos algoritmos en un entorno clínico es mucho más compleja de lo esperado. En estrecha colaboración con la Administración Regional de Salud del Norte (ARSN) fue posible identificar los principales desafíos en la aplicación de estas herramientas de Deep Learning y desarrollar nuevas técnicas que pueden aumentar la robustez de estos sistemas”.

El Deep Learning es una rama del Aprendizaje Computacional que tiene como objetivo dotar al ordenador de la capacidad de aprender y realizar tareas similares a las de los seres humanos, como la identificación de imágenes, el reconocimiento de voz o la realización de predicciones.

El estudio ahora publicado evaluó el rendimiento de un sistema de aprendizaje profundo en el diagnóstico de COVID-19 comparándolo con el análisis de los radiólogos. Una de las conclusiones presentadas en la investigación es que la distinción entre COVID-19 y otras patologías en rayos X es una tarea realmente difícil y subjetiva, incluso para radiólogos experimentados. Sin embargo, se pudo demostrar que el desempeño de los algoritmos de Deep Learning en la identificación de COVID-19 puede mejorar significativamente si aprenden directamente de los radiólogos, identificando más claramente los signos radiológicos de COVID-19 y conduciendo a un mejor diagnóstico.

Si bien esta metodología aún se encuentra en una etapa inicial, el objetivo es extender la investigación a otras patologías identificadas a través de rayos X: “Si bien el COVID-19 ha sido el principal foco de investigación, en los últimos dos años existe una serie de patologías y hallazgos que se pueden identificar en la radiografía. Nuestro objetivo es desarrollar un sistema que permita identificarlos de forma automática. Una herramienta de este tipo sería de gran utilidad para ayudar a radiólogos, técnicos y médicos menos experimentados en la interpretación de rayos X”, concluye Aurélio Campilho.

En un ámbito más amplio, el proyecto TAMI propone poner la IA al servicio del sector salud, desarrollando herramientas de apoyo a la decisión para ayudar en el proceso de decisión médica, con especial foco en el cáncer de cuello uterino, enfermedades pulmonares y enfermedades oculares. Además de la decisión de diagnóstico, los algoritmos de IA desarrollados también permitirán explicar cómo el sistema llegó a una determinada decisión, haciendo que el proceso sea más transparente y accesible. Estas explicaciones pueden ser visuales (identificando las regiones de la imagen relevantes para la decisión) o textuales (a través de un concepto o frase que tenga sentido para el ser humano).

#portugalpositivo