Inicio ASP Dra. de la Iglesia: “La base de datos de radiografía simple de...

Dra. de la Iglesia: “La base de datos de radiografía simple de tórax ayuda con el diagnóstico precoz de Covid-19”

Investigadora de la Unidad Mixta de Imagen Biomédica FISABIO-CIPF

radiografía-simple-Covid-19

..Cristina Cebrián.
La Inteligencia Artificial (IA) es una de las grandes aliadas en el diagnóstico precoz de casos de Covid-19. Desde de la Fundación para el Fomento de la Investigación Sanitaria y Biomédica de la Comunidad Valenciana (Fisabio) han creado una base de datos en abierto para aplicar la IA en la detección precoz de neumonía por Covid-19 a partir de una radiografía simple de tórax.

La Dra. María de la Iglesia es quien lidera esta investigación de la Unidad Mixta de Imagen Biomédica FISABIO-CIPF. Se trata de un equipo multidisciplinar de profesionales que “están aportando mucho valor e ideas realmente innovadoras”, apunta la investigadora. Además, en esta entrevista para iSanidad, la Dra. de la Iglesia explica las diferentes lesiones que aparecen en una radiografía simple de tórax de un paciente con Covid-19.

Estos algoritmos basados en IA se nutren y entrenan a partir de cientos o miles de imágenes para detectar el patrón de Covid-19

¿Cómo funciona la Inteligencia Artificial para esta base de datos?
La IA se presenta como un aliado muy importante en la ayuda al diagnóstico dentro de los entornos sanitarios. De hecho, es uno de los campos que más se está beneficiando de los avances científico-técnicos dentro de la especialidad de la imagen médica. En concreto, para este estudio se pretende desarrollar algoritmos que analicen e interpreten las imágenes procedentes de la radiología convencional de tórax y con ello extraer la información clínica útil. Por ello, se debe construir un dataset de calidad que permita entrenar de forma eficiente a los algoritmos de aprendizaje profundo (Deep Learning).

radiografía-simple-Covid-19Al igual que un residente al finalizar la especialidad de radiodiagnóstico, y después de haber revisado miles y miles de radiografías durante su época de residencia, es capaz de detectar cualquier alteración o patología en las imágenes que analiza, estos algoritmos basados en IA, se nutren y entrenan a partir de cientos o miles de imágenes para detectar en nuestro caso el patrón de Covid-19.

Los hallazgos que nos hacen sospechar una infección por Covid-19 son las áreas en vidrio esmerilado que, incluso en las etapas iniciales, afectan a ambos pulmones

¿Qué características tiene una radiografía simple de tórax de un paciente con Covid-19?
Según el equipo clínico de este proyecto, los hallazgos que nos hacen sospechar una infección por Covid-19 son las áreas en vidrio esmerilado que, incluso en las etapas iniciales, afectan a ambos pulmones. En particular a los lóbulos inferiores, y especialmente los segmentos posteriores, con una distribución fundamentalmente periférica y subpleural. Estos hallazgos están presentes en prácticamente el 50% de los pacientes en los primeros dos días.

Estas lesiones pueden progresar en los días siguientes hasta que se vuelven más difusas. Si se asocian con engrosamiento septal, se presentarán con un patrón reticular. En general, progresan tanto en la extensión como también hacia la consolidación de manera concomitante con el patrón de vidrio esmerilado, pudiendo presentar entonces una morfología redondeada. Es muy raro que asocie linfadenopatía, cavitación o neumotórax, como lo hizo el coronavirus del síndrome respiratorio MERS-CoV.

Esa detección precoz de neumonía por Covid-19, ¿la podría hacer cualquier profesional sanitario o se deben tener unos conocimientos mínimos?
La detección precoz de neumonía por Covid-19 a partir de imagen requiere de un aprendizaje propio de radiólogos expertos, como indica el equipo clínico de nuestro proyecto. Además, según la modalidad de imagen (Rx de torax, TAC torax o ECO torácica) los hallazgos radiográficos pueden exhibir mayor o menor sensibilidad y especificidad.

Es necesario saber hacer un diagnóstico diferencial con otras patologías de distinta etiología y con otras neumonías tanto víricas como bacterianas

En particular es necesario saber hacer un diagnóstico diferencial con otras patologías de distinta etiología. Y, en particular, con otras neumonías tanto víricas como bacterianas. De ahí la importancia de ofrecer herramientas de ayuda al diagnóstico, como la nuestra, destinadas a los profesionales sanitarios no radiólogos que faciliten la interpretación de la imagen.

radiografía-simple-Covid-19

¿Se podrían utilizar también las imágenes de los TAC para obtener una mayor precisión de datos?
Por supuesto. De hecho, para la construcción de la base de datos en abierto BIMCV-COVID-19, el subconjunto de datos conocido en entornos de IA como Ground truth, se va a construir en mayor medida con aquellos episodios asistenciales en los que se disponga tanto de Imagen de radiología convencional como imagen de TAC. Y validado como positivo Covid-19 a través del test viral para realizar estudios combinados y más precisos.

De esta forma, entrenaremos los modelos con una mayor precisión, basándonos en los hallazgos que se detecten de forma categórica en TAC. También corroborándolo con hallazgos más sutiles que aparezcan en la radiología convencional, etiquetándola esta última con una mayor precisión. Según algunas publicaciones recientes, los datos de falsos positivos y falsos negativos, en algunos casos relacionados con el test viral de Covid-19, posiblemente se diagnostiquen mejor con imágenes radiológicas (Fang, 2020 y Ai, 2020). Esta es una de las afirmaciones que se pretende corroborar, entre otras.

Es importante ofrecer una herramienta de ayuda al diagnóstico destinada a los profesionales sanitarios no radiólogos que les faciliten la interpretación de la imagen

Además de la detección precoz, ¿qué otras ventajas se podrían extraer del uso de la radiografía de tórax en el manejo de pacientes con Covid-19?
Además de la ventaja principal, que es la detección precoz de hallazgos de neumonía por Covid-19, se pretende que permita a su vez disminuir el volumen de trabajo de los radiólogos de urgencias. Especialmente en una situación de sobrecarga sanitaria como en la actual pandemia. Además, es importante ofrecer una herramienta de ayuda al diagnóstico destinada a los profesionales sanitarios no radiólogos que les faciliten la interpretación de la imagen.

¿En qué fase del proyecto se encuentran ahora? ¿Cuáles son los próximos pasos a seguir?
En estos momentos estamos concluyendo la fase primera del proyecto. En ella, hemos partido como base con las imágenes de conjunto PadChest de la Dra. Aurelia Bustos (Dataset de Rx-torax). Hemos organizando los datos en subgrupos empezando con neumonía, infiltrados y controles.

También estamos realizando el entrenamiento de distintos modelos que se ofrecerán en abierto en aquellos casos con los que se obtenga una mejor precisión (accuracy) para que, cuando en la segunda fase se adquiera el nuevo dataset BIMCV-COVID-19, se pueda realizar una transferencia de aprendizaje en nuevos modelos computacionales (Transfer-Learning). Se publicará todo el código en el github de BIMCV y se encontrará a disposición de la comunidad científica en Inteligencia Artificial.

Uno de los hitos más importantes de este proyecto es su propuesta para ofrecerlo a la comunidad científica en abierto

radiografía-simple-Covid-19

En la segunda fase, iniciaremos la extracción del conjunto nuevo de datos BIMCV-COVID-19 de Rx, con una preparación y organización de los datos bien dimensionada. A continuación se realizarán los análisis pertinentes por parte del equipo de investigación. Por último, en la tercera fase, publicaremos y pondremos el dataset a disposición de la comunidad científica en abierto y realizaremos una validación clínica.

Uno de los hitos más importantes de este proyecto es su propuesta para ofrecerlo a la comunidad científica en abierto, poniendo de relieve el concepto de colaboración. Esto permitirá que las empresas del sector dispongan de los mejores modelos. Se trata de un retorno de inversión que repercute en la sociedad directamente al disponer de los mejores resultados.

También es importante destacar la participación y contribución de los primeros análisis en IA realizados con radiología convencional en neumonía

¿Quiénes son los profesionales que participan en este proyecto?
Este equipo multidisciplinar está compuesto por los siguientes investigadores: como investigadora rincipal, María de la Iglesia Vayá, y todos/as los miembros que componen la Unidad Mixta en Imagen Biomédica FISABIO-CIPF. Por parte de la Universidad Miguel Hernández, Domingo Luis Orozco Beltrán, co-líder de la propuesta; José María Salinas, del Hospital San Juan de Alicante; Miguel A. Cazorla Quevedo, Antonio Pertusa Ibáñez y Germán González Serrano, de la Universidad de Alicante; y Aurelia Bustos Moreno, de Medbravo. Asimismo, participan General Electric Healthcare, poniendo a disposición los medios técnicos y humanos necesarios para garantizar la interoperabilidad del PACS con la herramienta; y por último la Unidad de Bioinformática y Bioestadística del CIPF, y la red TransBioNet – el BSC.

También es importante destacar la participación y contribución de los primeros análisis en IA realizados con radiología convencional en neumonía por parte de Jon Ander Gomez y Roberto Paredes del grupo PRHLT de la Universitat Politècnica de València (UPV) y consorcio europeo DeepHealth; Kiko Albiol, del Instituto de Física Corpuscular del CSIC; Juan Carlos Pérez, del ITI; y por último, de Reinel Tabares Soto, líder del grupo Team Bioinformatics and Artificial Intelligence.

Noticias complementarias