Inteligencia Artificial frente a radiólogos: las máquinas cobran ventaja

La crisis sanitaria por la Covid-19 ha impulsado el desarrollo de la Inteligencia Artificial (IA), que es la combinación de algoritmos planteados con el propósito de que las máquinas sean capaces de aprender y resolver problemas de forma más rápida y eficiente que el ser humano. Una tecnología que todavía nos resulta lejana pese a que de un tiempo a esta parte está presente en nuestro día a día bien cada vez que escribimos con el móvil y el programa nos autocompleta las palabras o bien cuando Netflix o Spotify nos recomiendan una película o una canción. Ahora bien, un campo en el que ha habido un «boom» este año es en el de la salud. En estas últimas semanas ha habido dos potentes estudios sobre usos de la IA frente a la Covid-19. Así, un equipo de científicos de la Universidad de Tsinghua, en China, ha desarrollado un sistema capaz de identificar las diferencias en las TAC de los pacientes para distinguir con precisión si tienen Covid-19, gripe u otras enfermedades respiratorias en menos de tres segundos pese a presentar síntomas similares.

Para ello, los investigadores desarrollaron y evaluaron el sistema de diagnóstico Covid-19 basado en aprendizaje profundo utilizando datos de 11.356 TAC de 9.025 sujetos. En una tarea de diagnóstico, el sistema basado en la red neuronal profunda pudo lograr hasta un 0,9781 sobre 1 de acierto en la clasificación AUC (área bajo la curva). En un estudio de lectores que involucró a cinco radiólogos, el sistema de IA superó a estos profesionales a una velocidad de dos órdenes de magnitud por encima de ellos. Una herramienta que permitirá en un futuro que los radiólogos pueden realizar un diagnóstico individualizado de Covid-19 con el sistema de IA, lo que ayudaría en un futuro a la lucha contra la propagación del virus.

Asimismo, investigadores de la Universidad Northwestern, en EE UU, han desarrollado una nueva plataforma de inteligencia artificial que detecta la Covid-19 mediante el análisis de imágenes de rayos X de los pulmones con una precisión y velocidad que superan a los radiólogos torácicos.

El algoritmo de aprendizaje automático, llamado «DeepCOVID-XR», detectó la Covid-19 en rayos X aproximadamente 10 veces más rápido y entre un 1% y un 6% con mayor precisión, según los resultados publicados en «Radiology». Los investigadores utilizaron 17.002 imágenes de rayos X de tórax para entrenar su sistema de IA. De esas imágenes, 5.445 provinieron de pacientes Covid-19.

A continuación, el equipo probó «DeepCOVID-XR» contra cinco radiólogos con 300 imágenes de prueba aleatorias. Cada radiólogo tardó entre dos horas y media y tres horas y media en examinar este conjunto de imágenes, mientras que la IA tardó unos 18 minutos. Además, la precisión de los radiólogos osciló entre el 76% y el 81% y la de «DeepCOVID-XR» obtuvo un 82% de precisión.

Los investigadores creen que los médicos podrían usar el sistema de inteligencia artificial para evaluar rápidamente a los pacientes que ingresan en los hospitales. La detección más rápida y temprana del virus podría proteger a los sanitarios y a otros pacientes al hacer que el paciente positivo se aísle antes.

«No pretendemos reemplazar las pruebas reales. Los rayos X son rutinarios, seguros y económicos. Pero nuestro sistema tardaría unos segundos en examinar a un paciente y determinar si necesita ser aislado», explica Aggelos Katsaggelos, autor principal del estudio y profesor de Ingeniería Eléctrica e Informática en la Escuela de Ingeniería McCormick de Northwestern.

«Podría llevar horas o días recibir los resultados de una prueba de Covid-19. La IA no confirma si alguien tiene el virus o no. Pero si podemos marcar a un paciente con este algoritmo, podríamos acelerar la clasificación antes de que se obtengan los resultados de la prueba», precisa el doctor Ramsey Wehbe, cardiólogo y becario postdoctoral en IA en el Instituto Cardiovascular de Northwestern Medicine Bluhm.

Para muchos pacientes Covid-19, las radiografías de tórax muestran patrones similares. En lugar de pulmones limpios y sanos, presentan irregularidades comunes, como que los pulmones estén llenos de líquido e inflamados, particularmente a lo largo de los lóbulos inferiores y la periferia. El problema es que la neumonía, la insuficiencia cardíaca y otras enfermedades de los pulmones pueden verse similares en las radiografías. Y ahí puede ayudar la IA, lo que ahorraría dinero y tiempo. Ahora bien, no todos los pacientes Covid-19 presentan manifestaciones en los pulmones. «En esos casos, el sistema de inteligencia artificial no marcará al paciente como positivo. Pero tampoco lo haría un radiólogo. Claramente, existe un límite para el diagnóstico radiológico de Covid-19, por lo que no lo usaríamos para reemplazar las pruebas», añade Wehbe. Los investigadores han puesto el algoritmo a disposición del público con la esperanza de que otros puedan seguir entrenándolo con nuevos datos.

Algoritmo cántabro

Ahora bien, de momento este sistema de inteligencia artificial se encuentra en investigación. Y es que ése es «uno de los retos actuales, pasar de la fase académica a la clínica», explica a este suplemento Lara Lloret, investigadora del Instituto de Física de Cantabria (IFCA-CSIC).

«Falta dar este enorme salto e invertir en ello porque la IA tiene un futuro prometedor en el campo de la salud», asegura Lloret. Esta científica está desarrollando otro proyecto prometedor junto a tres médicos que están haciendo su tesis doctoral en IA, financiado por el CSIC y con apoyo del Hospital de Valdecilla.

«El modelo está pensado para hacer triaje, no diagnóstico en sí, con el fin de distinguir con radiografías entre pacientes Covid y ciudadanos completamente sanos. De este modo el lunes se harían las radiografías y por la tarde o al día siguiente el especialista las tendría colocadas por orden de gravedad gracias a la IA», explica Lloret.

«Otra fase –prosigue– es conseguir el diagnóstico y por último lograr que el algoritmo diferencie entre neumonía Covid y no Covid. Esto permitiría que los pacientes recibieran una atención médica más rápida y eficaz. Potencialmente podría sustituir las PCR para casos concretos de neumonía con el fin de saber si es o no Covid».

Lloret reconoce que la pandemia no es el mejor momento para probar estos sistemas pero hay que testarlos de verdad y lograr que los Hospitales estén adaptados para estas herramientas. Para ello, necesitamos que al menos los datos se guardaran en los sistemas informáticos de forma estructurada, por ejemplo con etiquetas unívocas al describir la enfermedad (por ejemplo, ELA), para ganar tiempo para desarrollar e implantar estas herramientas de aprendizaje profundo en vez de en tres meses en un mes».

Puntos críticos

«El uso de la IA para la mejora del diagnóstico es quizá el campo más difícil al ser información confidencial sensible. Hoy no puedes pasar imágenes médicas de un hospital a otro, y a medida que tienes menos datos la IA funciona peor», explica Miguel Cárdenas, del Ciemat. «Juntar datos en la práctica médica no es fácil y hay que anonimizarlos. También es esencial que no sean sesgados: se usó IA para desviar casos a juzgados y se comprobó que las personas negras eran derivadas a juzgados donde había más condenas para ellas. Se quitó».