En el bloque 2 de El Aprendiz de Sabio, conversamos acerca del proyecto de detección rápida de COVID-19 en radiografías denominado Covid-X con su líder Santiago Bassani, estudiante de ingeniería informática en el Instituto Tecnológico de Buenos Aires. Trabaja en Salesforce analizando formas de utilizar la Inteligencia Artificial dentro de la plataforma de gestión de ventas. Tiene un perfil pragmático ante problemas complejos y le apasiona la fusión entre la tecnología y la sociedad.
Conversamos con él acerca de la investigación que lleva adelante entre un equipo interdisciplinario para generar una herramienta de diagnóstico presuntivo sobre radiografías con el fin de detectar COVID-19 y así ayudar a los médicos en el diagnóstico rápido de la enfermedad.
Junto a otros investigadores trabaja en un programa para detectar la enfermedad en tres minutos.
El programa se llama Covid X y fue desarrollado por Santiago Bassani, quien cursa ingeniería informática en el ITBA. También colaboran Martín Infesta, jefe del departamento técnico de radiodiagnóstico del Hospital Gutiérrez; Florencia Gatti (UADE) y Manuel Ponieman.
El sistema identifica casos positivos de coronavirus en apenas 3 minutos y con una precisión de entre un 95% y 98%. Se trata de un software que trabaja a través de un diagnóstico por imagen de una radiografía de tórax en conjunto con una inteligencia artificial específica. No reemplaza al test PCR.
"Este tipo de tecnologías en el país son algo inédito. Básicamente lo que nos da esta herramienta es acelerar el proceso de testeo. El PCR tarda demasiado tiempo, pero es importante aclarar que no viene a reemplazarlo, simplemente es una herramienta más para ayudar", aclaró Gabriel.
El sistema usa estudios hechos con tomografía computada (TC) y rayos X (radiografías) como fuente para ser analizado en un sistema. Eso se introduce en un “modelo preentrenado” (una inteligencia artificial que llamaron VGG16) que da como resultado si el paciente es positivo o negativo en coronavirus.
La idea la trabajaron a partir de una serie de trabajos científicos publicados por la sociedad radiológica de Estados Unidos (RSNA) por médicos de Wuhan, China, ciudad de donde salió el coronavirus, junto a una gran cantidad de papers relacionados al uso de inteligencia artificial y la detección temprana de Covid-19.
Hasta el momento, según detallan desde el proyecto, los resultados son “prometedores”, aunque saben que se necesita una prueba más extensa con más datos para llegar a una conclusión definitiva. Esto es, necesitan más imágenes para poder determinarlo. Además, hay que aclarar que, este tipo de prueba no reemplaza al PCR, el examen más extendido en la actualidad para detectar casos de Covid-19.
Sin embargo, el método es importante porque trabaja con placas de tórax que pueden obtenerse mediante rayos X o una tomografía computada, ambos estudios disponibles de manera extendida en los sistemas de salud mundiales. Esto se introduce en una base de datos que se está generando con información de enfermedades conocidas y con las características del Covid-19. Por eso se sirve del concepto de big data: cuanta más información tenga, mejor funciona.
“Nuestros esfuerzos se encuentran en dos lugares. Por un lado, darle mayor interpretabilidad a los resultados. Esto significa que el modelo devuelva la imagen original con los contornos donde, sospecha, hay posibles rasgos distintivos de Covid-19. Esto permitiría al profesional a cargo, tomar una mejor decisión y más informada”, explicó a Clarín, Bassani.
Y destacó que, el proyecto apunta a “ampliar la clasificación para poder detectar otras enfermedades y así, ayudar en un manejo más rápido de casos que parezcan covid-19 pero no lo sean”.
A la página, se puede acceder desde cualquier computadora o dispositivo móvil. El software podría ser una pieza clave en la detección de casos para los servicios de salud.
Preguntas:
¿En qué grado de avance se encuentran?
¿Cómo es el protocolo clínico?
¿Cómo es el proceso de aprendizaje? ¿Usaron una Base de Datos existente para alimentar el algoritmo? Radiografías en archivos históricos de pacientes, etc? ¿Se analizan evolutivamente las radiografías? ¿Se comparan patrones de sanos con enfermos?
¿Qué trabajos de inteligencia artificial aplicadas a imágenes realizan? ¿Son patrones semejantes a los que utilizan las tecnologías de reconocimiento facial?
¿Ya han realizado pruebas en casos reales?
¿Cual es el motor de AI que están usando?
¿Cómo avizoras a la inteligencia artificial en la medicina dentro de 10 o 20 años?
¿Qué tipo de apoyo estás recibiendo? Financiero, etc.
¿Cuántas personas componen el equipo? ¿De qué disciplinas proviene el resto del equipo?
Comentarios