Inteligencia artificial para detectar COVID-19 en menos de un segundo sobre radiografías

Herrera es investigador principal del proyecto ‘Deep Learning and Smart data for Complex Problems’, que recibió una Ayuda a Equipos en Big Data de la Fundación BBVA en 2018. “En este proyecto apoyado por la Fundación”, cuenta Herrera, “planteamos por un lado una línea teórica para entender cómo funciona la máquina inteligente, y después planteamos su aplicabilidad para interpretar imágenes en distintos escenarios, como por ejemplo en estudios de ecología y biodiversidad o en el campo de la seguridad”.

Con la expansión de la pandemia, y gracias a su relación con el área de radiología del Hospital Universitario San Cecilio de Granada, vieron que su proyecto podía ofrecer soluciones para una rápida detección de la enfermedad. “Decidimos colaborar con el equipo de radiología que dirige el Dr. José Luís Martín para desarrollar un sistema inteligente que pudiera detectar COVID-19 sobre una radiografía, en décimas de segundo”, explica.

El equipo de Herrera ya ha comprobado la eficacia de su sistema para leer las radiografías con mayor precisión que los médicos especialistas. Según datos de la revista de referencia ‘Radiology’, los radiólogos solo son capaces de detectar el 69% de los casos de COVID-19 en radiografías. El sistema inteligente que está desarrollando Herrera ya ha conseguido un nivel de acierto de 75-77%.

“El nivel de acierto que estamos logrando con el sistema ya es significativamente superior al de los especialistas, aunque somos ambiciosos y queremos perfeccionarlo hasta llegar al 80% antes de implementarlo en la clínica, y también perfeccionar su comportamiento para la detección de las diferentes escalas de severidad de la neumonía asociada a COVID-19, con el objetivo de tener ratios de acierto por encima del 90% para una incidencia moderada de la neumonía en los pulmones”, afirma el investigador.

‘Machine learning’ para perfeccionar el sistema

Para desarrollar esta tecnología, han trabajado con una base de datos de 300 radiografías de enfermos con diagnóstico positivo de COVID-19 y 300 imágenes más de pacientes sin la enfermedad. “Todas nuestras radiografías están validadas por test PCR que han verificado la presencia de la enfermedad en un paciente”, explica Herrera. En la actualidad esperan disponer de un mayor número de imágenes para permitir que el modelo de aprendizaje alcance mayor robustez. “Queremos basar nuestro sistema en una metodología muy robusta y no lanzar las campanas al vuelo antes de tiempo”, subraya.

Sin embargo, Herrera se muestra optimista para poder empezar a implementar su sistema en otoño, antes de un posible rebrote, si logran alcanzar el umbral del 80% de aciertos. Una técnica que será de mucha utilidad para centros de salud y hospitales de ciudades pequeñas, que no cuentan con sistemas de diagnóstico por imagen sofisticados como el TAC. Con su implementación, el sistema permitiría a un médico de familia diagnosticar de manera fiable un caso de COVID-19 por medio de una radiografía en pocos minutos, siempre que el paciente tenga los pulmones afectados. “De esta manera se podrá activar rápidamente el protocolo cribado de pacientes y de aislamiento para los pacientes afectados”, asegura Herrera.

Esta investigación es un nuevo ejemplo del gran potencial biomédico del ‘machine learning’ como herramienta científica. Gracias a los avances en este campo, las máquinas inteligentes pueden hoy ser entrenadas para clasificar conjuntos de datos con una precisión humana o, en ocasiones, superior. Para el investigador, “ya se ha demostrado que la máquina es superior al ser humano en el análisis de imágenes biomédicas para el diagnóstico del cáncer de piel, al poder detectar detalles que no pueden ver los expertos de carne y hueso”. No obstante, esto no significa que vaya a sustituir a los expertos, aunque “puede ser una herramienta muy útil de apoyo en la toma de decisiones, con la ventaja de la rapidez del sistema de análisis”.