BLOGS
17/09/2020 09:30 CEST | Actualizado 17/09/2020 09:30 CEST

Inteligencia Artificial para detectar COVID-19 en radiografías

Se investiga la aplicación del 'Deep Learning' para clasificar radiografías automáticamente.

utah778 via Getty Images

La tecnología ha demostrado ser una herramienta útil cuando la rapidez y la eficacia son esenciales para mitigar una enfermedad como la COVID-19. Los rebrotes están a la orden del día y cualquier pista para agilizar los protocolos puede ser de gran ayuda para los profesionales de la salud.La Inteligencia Artificial tiene potencial para ello y, en concreto, el procesamiento de imágenes aplicado a la salud.

Desde el Instituto de Ingeniería del Conocimiento (IIC) se ha realizado una investigación para aplicar ′Deep Learning’ en la detección de COVID-19 en radiografías. El modelo final debía clasificar automáticamente las radiografías de pacientes sanos, pacientes con neumonía y pacientes que presenten una neumonía producto de la COVID-19. Y los primeros resultados muestran que es posible, consiguiendo más de un94% de exactitud.

¿Cómo se entrena un modelo de ‘Deep Learning’?

En la investigación, se utilizaron arquitecturas de redes convolucionales, útiles en la clasificación de imágenes. Los expertos del IIC trabajaron con un modelo ya entrenado, adaptándolo a esta nueva tarea con nuevos conjuntos de imágenes (‘Transfer Learning’).

Los modelos de ‘Deep Learning’ aprenden de datos que reflejan lo que después tendrán que detectar automáticamente. En este caso, se utilizaron tres fuentes de datos diferentes, con radiografías de los tipos de pacientes a clasificar. 

Las imágenes seleccionadas se dividieron a su vez en tres conjuntos de datos para las tres fases de desarrollo del modelo: entrenamiento, validación de su progreso y un test para comprobar su efectividad con un conjunto de imágenes que no se hubiera utilizado anteriormente.

Resultados de la detección de COVID-19 en radiografías

Al final del proceso, el modelo entrenado podía etiquetar correctamente todos los casos de COVID-19, obteniendo más de un 94% de exactitud en su detección en radiografías y constituyendo un ejemplo más de la aplicación de la Inteligencia Artificial en el sector salud. Solo 3 radiografías se etiquetaron erróneamente como COVID-19, y otras 8 fueron clasificadas como normales cuando no lo eran. Esta última es una de las métricas más importantes, pues se corre el riesgo de etiquetar como paciente sano a una persona con neumonía o COVID-19. 

Además, se puede obtener una “explicación visual” de las decisiones tomadas por el algoritmo, especialmente útil en el caso de las radiografías. En términos generales, se extraen los filtros de la última capa de la red convolucional, obteniendo en qué partes de la imagen se activa para clasificarla, y que en este caso pueden estar relacionadas con las zonas afectadas del pulmón. Esto se plasma con un mapa de calor sobre la radiografía.

Aunque estos resultados preliminares parten de bases de datos concretas, y sería necesario probar el modelo con datos de imágenes de los hospitales donde se desee implementar el modelo, comprobamos que el análisis y la clasificación de radiografías con Inteligencia Artificial puede ser de gran utilidad para la comunidad médica. Esta herramienta podría complementar la detección y el diagnóstico de la COVID-19.