IA detecta COVID-19 en imágenes de ultrasonido pulmonar

Durante el inicio de la pandemia, utilizar inteligencia artificial (IA) para identificar signos de COVID-19 en imágenes de ultrasonido pulmonar resultó un desafío debido a los datos limitados de los pacientes y a una comprensión incipiente de las manifestaciones de la enfermedad. Aunque se aplicaron herramientas computacionales para ayudar a detectar la COVID-19 a partir de estas imágenes, el riesgo de diagnóstico erróneo era alto sin entrenar y validar adecuadamente la IA para reconocer características específicas de COVID-19 en los pulmones. Ahora, una nueva investigación ha llevado al desarrollo de una herramienta de inteligencia artificial que es capaz de identificar la COVID-19 en imágenes de ultrasonido pulmonar, de manera similar a cómo la tecnología de reconocimiento facial identifica rostros en una multitud.

La herramienta de IA desarrollada por investigadores de Johns Hopkins (Baltimore, MD, EUA) es una red neuronal profunda, un tipo de IA diseñada para imitar las neuronas interconectadas que permiten al cerebro reconocer patrones, comprender el habla y completar tareas complejas. La herramienta de IA emplea algoritmos para escanear imágenes de ultrasonido pulmonar en busca de características conocidas como líneas B. Estas características son visibles como anomalías verticales brillantes y son indicadores de inflamación en pacientes con complicaciones pulmonares. Al aprender de una combinación de datos reales y simulados, detecta anomalías en las ecografías que indican que una persona ha contraído COVID-19.

Los hallazgos de la investigación mejoran significativamente el papel de la IA en el diagnóstico médico, ayudando a los profesionales de la salud a diagnosticar rápidamente la COVID-19 y otras enfermedades pulmonares. Además de brindar a los médicos la herramienta para evaluar rápidamente la abrumadora cantidad de pacientes en las salas de emergencia durante una pandemia, la herramienta también allana el camino para el desarrollo de dispositivos portátiles para monitorear enfermedades como la insuficiencia cardíaca congestiva, que puede provocar una sobrecarga de líquidos en los pulmones de los pacientes, similar a la COVID-19.

"Desarrollamos esta herramienta de detección automatizada para ayudar a los médicos en entornos de emergencia con un gran número de casos de pacientes que necesitan ser diagnosticados de manera rápida y precisa, como en las primeras etapas de la pandemia", dijo Muyinatu Bell, profesora asociada John C. Malone de Ingeniería Eléctrica e Informática, Ingeniería Biomédica e Informática en la Universidad Johns Hopkins. "Potencialmente, también queremos tener dispositivos inalámbricos que los pacientes puedan usar en casa para monitorear la progresión de COVID-19".

"Al principio de la pandemia, no teníamos suficientes imágenes de ultrasonido de pacientes con COVID-19 para desarrollar y probar nuestros algoritmos y, como resultado, nuestras redes neuronales profundas nunca alcanzaron el máximo rendimiento", dijo Lingyi Zhao, quien desarrolló el software mientras era becaria postdoctoral en el laboratorio de Bell. "Ahora estamos demostrando que con conjuntos de datos generados por computadora todavía podemos lograr un alto grado de precisión en la evaluación y detección de estas características de COVID-19".

Enlaces relacionados:
Johns Hopkins