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

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.