Un grupo de investigadores de la Universidad Politécnica de Madrid y de la Universidad de Concepción, de Chile, han estudiado el potencial de distintos biomarcadores para entrenar modelos de inteligencia artificial que detecten la neumonía en imágenes de rayos X de tórax.
Los resultados apuntan hacia una precisión, en algunos casos, del 99%, confirmando la validez de estos métodos para ser herramientas fiables y fáciles de implementar su diagnóstico. La neumonía es una enfermedad respiratoria aguda que es causada por virus y bacterias, aunque afecta a personas de todas las edades de manera leve, hay ciertos grupos vulnerables como los ancianos y los niños. En 2017, estuvo relacionada con la muerte de más de 808.000 niños menoresde cinco años en todo el mundo, representando un 15% de todas las muertes en este grupo de edad. Los expertos señalan que un diagnóstico rápido favorece su tratamiento y reduce las consecuencias.
"El objetivo de nuestro estudio ha sido generar modelos de machine learning que detectarán de una forma automática y precisa la neumonía en imágenes de rayos-X de tórax"
Las grandes cantidades de datos de pacientes generadas de forma continua en los centros médicos, contienen un gran potencial para apoyar las decisiones clínicas, además, esta tarea sería imposible realizarla de forma manual por los facultativos. El machine learning es capaz de establecer relaciones entre los datos y las patologías, permitiendo desarrollar sistemas que facilitan y aceleran el diagnóstico de distintas enfermedades como pueden ser diferentes tipos de cáncer o la enfermedad de Alzheimer, entre otras.
"El objetivo de nuestro estudio ha sido generar modelos de machine learning que detectarán de una forma automática y precisa la neumonía en imágenes de rayos-X de tórax", señala Consuelo Gonzalo, investigadora de la UPM que ha dirigido el equipo de trabajo.
"Se han definido atributos fundamentalmente relacionados con la textura que presenta la región de los pulmones que constituyen los biomarcadores a partir de los cuales generamos los modelos para detectar la neumonía"
Primero se procesaron las imágenes disponibles con el objetivo de eliminar ruido, datos innecesarios y homogenizar las características de todas las imágenes. Posteriormente, se extrajeron diferentes atributos relacionados con los patrones (identificados por un neumólogo en las imágenes) para el diagnóstico de la enfermedad. "En este caso, se han definido atributos fundamentalmente relacionados con la textura que presenta la regiónde los pulmones incluidos en estas imágenes. Estos atributos constituyen los biomarcadores a partir de los cuales generamos los modelos para detectar la neumonía", indica la investigadora.
Durante el proceso, se compararon diferentes modelos de aprendizaje automático entrenados con diferentes biomarcadores para conseguir la mejor versión posible. La precisión conseguida varía entre el 95,3% y el 99%. "En otras palabras, en el primer caso 95,3 de 100 imágenes son adecuadamente diagnosticadas y en el segundo, 99 de cada 100. Estos resultados muestran el potencial de los modelos generados", concluye Consuelo Gonzalo.