Marco automático de diagnóstico basado en la IA permite la detección de la COVID-19 usando imágenes de rayos X del tórax

Su sistema se puede entrenar para diferenciar con exactitud entre las imágenes de rayos X de tórax de pacientes con COVID-19 de los que no tienen la enfermedad.

Varios estudios han informado que los sistemas basados en IA se pueden usar para detectar la COVID-19 en imágenes de rayos X de tórax porque la enfermedad tiende a producir áreas con pus y agua en los pulmones, que aparecen como manchas blancas en los exámenes de rayos X. Aunque se han propuesto varios modelos de IA de diagnóstico, basados en este principio, mejorar su exactitud, velocidad y aplicabilidad sigue siendo una prioridad.

Los científicos desarrollaron el nuevo sistema de detección de COVID-19 combinando los dos algoritmos Faster R-CNN y ResNet-101. El primero es un modelo basado en aprendizaje automático que utiliza una red de propuesta de región, que se puede entrenar para identificar las regiones relevantes en una imagen de entrada. El segundo es una red neuronal de aprendizaje profundo que consta de 101 capas, que se utilizó como columna vertebral. Cuando se entrena a ResNet-101 con suficientes datos de entrada, es un modelo poderoso para el reconocimiento de imágenes.

Los científicos creen que su estrategia podría resultar útil para la detección temprana de COVID-19 en hospitales y centros de salud pública. El uso de técnicas de diagnóstico automático basadas en tecnología de IA podría quitarles algo de trabajo y presión a los radiólogos y otros expertos médicos, que han tenido que enfrentar enormes cargas de trabajo desde que comenzó la pandemia. Además, a medida que los dispositivos médicos más modernos se conecten a Internet, será posible alimentar grandes cantidades de datos de entrenamiento al modelo propuesto; esto dará como resultado exactitudes aún mayores, y no solo para la COVID-19.

“Hasta donde sabemos, nuestro enfoque es el primero en combinar ResNet-101 y Faster R-CNN para la detección de la COVID-19”, dijo el profesor Gwanggil Jeon de la Universidad Nacional de Incheon, quien dirigió el equipo. “Después de entrenar nuestro modelo con 8800 imágenes de rayos X, obtuvimos una exactitud notable del 98 %”.

“El enfoque de aprendizaje profundo utilizado en nuestro estudio es aplicable a otros tipos de imágenes médicas y se podría usar para diagnosticar diferentes enfermedades”, agregó el profesor Jeon.

Enlace relacionado:
Universidad Nacional de Incheon