Sistema automatizado con tecnología de aprendizaje profundo detecta lesiones por COVID-19 mediante el análisis de tomografías computarizadas de tórax

El funcionamiento del sistema, desarrollado por investigadores de la Universitat de Barcelona (UB; Barcelona, ​​España), consiste en “una primera fase de segmentación pulmonar con la tomografía computarizada para reducir el área de búsqueda”, dijo Giuseppe Pezzano, investigador de la UB e investigador principal del estudio. “Luego, se utiliza un algoritmo para analizar el área pulmonar y detectar la presencia de COVID-19. Si da positivo, la imagen se procesa para identificar las áreas afectadas por la enfermedad”. El estudio “nos ha permitido verificar la eficiencia del sistema como herramienta de apoyo a la toma de decisiones de los profesionales de la salud en su tarea de detección de COVID-19, y para medir la gravedad, la extensión y la evolución de la neumonía causada por el SARS-CoV-2 a mediano y largo plazo”, señaló Pezzano.

El algoritmo ha sido probado en 79 volúmenes y 110 secciones de TC que habían detectado la infección por COVID-19, obtenidas en tres repositorios de imágenes de acceso abierto. Los investigadores lograron una precisión promedio para la segmentación de las lesiones causadas por el virus de alrededor del 99%, sin que se observaran falsos positivos durante la identificación. El método utiliza una forma innovadora de calcular la máscara de segmentación de imágenes médicas, que brindó buenos resultados en la segmentación de nódulos en las imágenes de tomografía.

Algunos estudios publicados recientemente "muestran que el aprendizaje profundo y los algoritmos de visión computacional han logrado una mayor precisión que la detección de cáncer de los expertos en mamografías, predicción de accidentes cerebrovasculares y ataques cardíacos", dijo Petia Radeva, profesora del Departamento de Matemáticas e Informática de la UB. “No podíamos quedarnos atrás y por eso hemos trabajado en esta tecnología para ayudar a los médicos a combatir la COVID-19 ofreciéndoles datos de alta precisión para el análisis de imágenes médicas de forma objetiva, transparente y robusta”.

“Este tipo de sistema automatizado representa una herramienta importante para los profesionales de la salud con el fin de realizar diagnósticos más robustos y precisos, ya que puede brindar información que un ser humano no podría medir”, agregó Oliver Díaz, profesor del Departamento de Matemáticas e Informática de la UB.

Enlaces relacionados:
Universitat de Barcelona