•  I
• a · A  I
• Accesibilidad  I
• Mapa web  I
• Buscar  I
• Directorio

• ::  Iniciar sesión :: 

Un equipo de investigación de la Universitat Politècnica de València (UPV), perteneciente al grupo CVBLab, ha desarrollado un modelo predictivo de inteligencia artificial que es capaz de discernir entre pacientes sanos, enfermos por neumonía y enfermos por COVID-19, a partir de radiografías torácicas.

Según explica Valery Naranjo, catedrática de la UPV y directora del CVBLab, el modelo propuesto ha demostrado tener una gran capacidad discriminatoria durante los primeros experimentos, llegando a alcanzar un porcentaje de éxito promedio del 92% a la hora de diferenciar entre las distintas clases de pacientes.

“El algoritmo”, destaca Naranjo, “se comporta incluso mejor a la hora de predecir los casos de coronavirus. Su tasa de acierto es ligeramente superior en relación con el resto de casos: tiene un porcentaje de éxito del 97% para determinar si la radiografía es de un paciente con COVID”.

El grupo de investigación CVBLab de la UPV cuenta con una larga experiencia en el campo de la inteligencia artificial y su especialidad es el desarrollo de algoritmos de visión por computador aplicados a imágenes biomédicas. “Es por ello”, indica Julio Silva, ingeniero biomédico y miembro también del CVBLab de la UPV, “por lo que hemos puesto nuestro conocimiento al servicio de la lucha contra esta pandemia”.

Clasificación y segmentación de radiografías a partir de algoritmos de deep learning

Para desarrollar el modelo de predicción, los ingenieros del CVBLab han aplicado técnicas de clasificación y segmentación, basadas en algoritmos de deep learning, sobre una gran cantidad de imágenes de radiografías. En este sentido, Naranjo explica que hay “muchísimas más radiografías de pacientes sanos y con neumonía que de COVID-19, por lo reciente que es y porque muchas bases de datos no están liberadas, lo que supone una dificultad añadida. El modelo que hemos desarrollado soluciona este desbalanceo de clases –de pacientes- y permite ofrecer resultados fiables y robustos”.

El grupo CVBLab dispone ya de una versión inicial de la plataforma informática que integra el modelo de predicción, de modo que es posible cargar una radiografía torácica y predecir al instante si se trata de una muestra de un paciente sano, enfermo por neumonía o enfermo por coronavirus.

Arquitectura novedosa

El modelo de inteligencia artificial del CVBLab-UPV presenta importantes novedades en el diseño de la arquitectura de red neuronal. En particular, se basa en técnicas de transferencia del conocimiento en combinación con otros bloques convolucionales residuales que actúan en paralelo para extraer características de las radiográficas torácicas.

En este sentido, Gabriel García, ingeniero biomédico e investigador del CVBLab de la UPV, señala que la nueva arquitectura, “adaptada al tipo de imagen bajo estudio, ha permitido obtener unos primeros resultados de sensibilidad y especificidad del 97%”.

Sistema CBIR

De manera paralela, los investigadores están desarrollando un nuevo sistema content-based image retrieval (CBIR) basado en redes neuronales generativas. La idea de este sistema es que, dada una nueva imagen radiográfica, además de obtener una predicción sobre su diagnóstico, se proporcionen automáticamente también los casos precedentes más similares a partir de una gran base de datos en continuo crecimiento.

Sobre ello, Adrián Colomer, doctor en telecomunicación e investigador del CVBLab-UPV, explica que “las zonas de afección pulmonar del histórico de casos más similares se presentan mediante un mapa de calor muy intuitivo para el personal experto que lo utilice. El médico tiene así más datos a la hora de tomar una decisión. Es como buscar en un atlas, pero de manera automática”.

Recopilación y normalización de bases de datos internacionales

Para crear sus modelos, los investigadores del CVBLab-UPV han recopilado bases de datos públicas de distintas instituciones, y han llevado a cabo una normalización de las mismas en un marco común que permite entrenar y testear sus modelos.

Entre las bases de datos recopiladas se encuentran las proporcionadas por la plataforma BIMCV-COVID-19 open source coordinada por FISABIO, la Universidad de Montreal, la Società Italiana di Radiologia Medica e Interventistica y la obtenida gracias al challenge “Chest X-Ray Images (Pneumonia) de Kaggle.

“Una vez finalice la fase de desarrollo de la herramienta CBIR, la plataforma informática desarrollada por el CVBLab se alojará en un sitio web, lo que posibilitará el uso de acceso libre a la misma”, concluye Naranjo.