Los investigadores han encontrado que pueden utilizar una técnica de inteligencia artificial, llamada aprendizaje profundo, para identificar casos de tuberculosis en los exámenes de rayos X de tórax con una tasa de exactitud neta de 96%.

 

Según la Organización Mundial de la Salud (OMS), alrededor de 1,8 millones de personas murieron de tuberculosis en 2016. Un simple examen radiológico de tórax puede ayudar a los radiólogos a identificar la enfermedad, pero muchos pacientes de tuberculosis viven en áreas remotas sin acceso a radiólogos expertos, que puedan interpretar las imágenes, y diagnosticar la enfermedad.

 

El estudio fue realizado por investigadores del Hospital Universitario Thomas Jefferson (TJUH, Filadelfia, PA, EUA), quienes entrenaron modelos de inteligencia artificial para identificar la TB en las radiografías de tórax. El objetivo de la investigación fue ayudar a la detección y evaluación de pacientes en áreas prevalentes de TB, que carecen de acceso a radiólogos. El estudio fue publicado en la edición digital del 25 de abril de 2017, de la revista Radiology.

 

Los investigadores usaron 1.007 exámenes de rayos X, de pacientes con y sin TB activa, para el estudio. Los conjuntos de datos múltiples de rayos X positivos para la TB y negativos para la TB, fueron usados para entrenar dos modelos diferentes de una Red Neural Convulsionada Profunda (DCNN, por sus siglas en inglés) llamados AlexNet y GoogLeNet. Los investigadores descubrieron que el modelo de Inteligencia Artificial (IA) de mejor desempeño fue cuando se usaron juntos AlexNet y GoogLeNet, lo que dio como resultado una exactitud neta del 96%.

 

El coautor del estudio, Paras Lakhani, MD en el TJUH, dijo: “Hay un tremendo interés en la inteligencia artificial, tanto dentro como fuera del campo de la medicina. Una solución de inteligencia artificial que pudiera interpretar las radiografías para detectar la presencia de TB de una manera rentable podría ampliar el alcance de la identificación y el tratamiento temprano en las naciones en desarrollo. La exactitud de los modelos de aprendizaje profundo es emocionante. La aplicabilidad para la TB es importante porque es una enfermedad para la cual tenemos opciones de tratamiento. Esperamos aplicarlo de forma prospectiva, en un entorno real. Una solución de inteligencia artificial que utiliza imágenes de tórax puede desempeñar un papel importante en la lucha contra la tuberculosis”.