Sistema de IA evalúa rápida y automáticamente radiografías de tórax para detectar TB

La pandemia de COVID-19 ha exacerbado el problema, con informes recientes que indican que un 21 % menos de personas recibieron atención por TB en 2020 que en 2019. Casi el 90 % de las infecciones activas de TB ocurren en alrededor de 30 países, muchos con escasos recursos necesarios para abordar este problema de salud pública. La detección rentable de la TB mediante radiografías de tórax e inteligencia artificial (IA) tiene el potencial de mejorar el acceso a la atención médica, particularmente en poblaciones de difícil acceso. Ahora, un sistema de IA que detecta la TB en las radiografías de tórax a un nivel comparable al de los radiólogos puede ayudar a la detección en áreas con recursos limitados de radiólogos.

Los científicos de Google Health AI (Mountain View, CA, EUA) han desarrollado y evaluado un sistema de IA que puede evaluar rápida y automáticamente las radiografías de tórax para detectar TB. El sistema utiliza aprendizaje profundo, un tipo de IA que se puede aplicar para enseñar a la computadora a reconocer y predecir condiciones médicas. Los investigadores desarrollaron el sistema utilizando datos de nueve países. Luego lo probaron en datos de cinco países, cubriendo múltiples países con alta carga de TB, varios entornos clínicos y una amplia gama de razas y etnias. Se utilizaron más de 165.000 imágenes de más de 22.000 pacientes para el desarrollo y las pruebas del modelo.

El análisis con 14 radiólogos internacionales mostró que el método de aprendizaje profundo era comparable a los radiólogos para la determinación de la TB activa en las radiografías de tórax. Las tendencias fueron similares en diferentes subgrupos de pacientes, incluido un conjunto de pruebas de mineros de oro en Sudáfrica, un grupo con una alta prevalencia de TB, en comparación con el público en general. Si investigaciones adicionales respaldan los resultados, el sistema de aprendizaje profundo podría usarse para evaluar automáticamente los resultados de radiografías de tórax en busca de TB. Las personas que dan positivo luego recibirían una prueba de esputo o una prueba de amplificación de ácido nucleico (NAAT). Estas pruebas son relativamente costosas, pero si la IA pudiera filtrar a los pacientes que necesitan la prueba, los beneficios serían extensos. Las simulaciones que utilizan el sistema de aprendizaje profundo para identificar probables radiografías de tórax positivas para TB para la confirmación por NAAT redujeron el costo entre un 40 % y un 80 % por cada paciente con TB positivo detectado.

"Queríamos ver si este sistema predice la TB a la par que los radiólogos, y eso es lo que muestra el estudio", dijo el coautor del estudio, Rory Pilgrim, B.Eng., gerente de productos de Google Health AI. "La IA se desempeñó muy bien con una variedad de pacientes".

"Lo que es especialmente prometedor en este estudio es que observamos una variedad de diferentes conjuntos de datos que reflejaban la amplitud de la presentación de la TB, diferentes equipos y diferentes flujos de trabajo clínicos", dijo el primer autor Sahar Kazemzadeh, BS, ingeniero de software en Google Health. “Descubrimos que este sistema de aprendizaje profundo funciona muy bien con todos ellos con un solo punto operativo que fue preseleccionado en base a un conjunto de datos de desarrollo, algo que otros sistemas de IA de imágenes médicas han encontrado desafiante”.

Enlaces relacionados:
Google Health AI