Hasta ahora, el diagnóstico clínico estándar de la Covid-19 se realizaba con una prueba de reacción en cadena de la polimerasa (PCR), o un test de la reacción en cadena de la polimerasa con transcriptasa inversa (RT-PCR), complementada con una radiografía simple de tórax (RX). Debido a que, desde el pasado mes febrero, la Organización Mundial de la Salud (OMS) otorgó a dicha radiografía de tórax valor diagnóstico y de evaluación de la infección por SARS-CoV-2.

En esa línea, un trabajo internacional, en el que participan investigadores de la Universidad Politécnica de Madrid (UPM), apunta al desarrollo de un sistema de diagnóstico automático que señalará el importante papel que podrán tener la combinación de la Inteligencia Artificial (IA) y las radiografías de tórax para diagnosticar precozmente la enfermedad.

Habida cuenta de que la enfermedad, debida al nuevo patógeno, provoca neumonías que se visualizan como sombras blancas, en forma de parches en los pulmones, denominadas opacidades de vidrio esmerilado.

Columnas de Control, Neumonía y Covid-19 (De Izda a Dcha)

Se trata, por tanto de una tecnología RX sobradamente conocida y asentada que ofrece ventajas como ser una prueba rápida, barata y no invasiva, además de apta para la Atención Primaria (AP) por su facilidad de utilización estandarizada.

Este es el punto de partida que llevo a los investigadores de la Johns Hopkins University, la Universidad de Antioquia (Medellín, Colombia) y la UPM a realizar una prueba de concepto, a mediana y gran escala, de un sistema computarizado de diagnóstico de Covid-19, a partir de las imágenes correspondientes a este tipo de radiografías, mediante el uso de IA.

El trabajo, que por parte española contó con la colaboración del ingeniero de comunicaciones Juan I. Godino-Llorente y del ingeniero de informática de sistemas Jorge Andrés Gómez, colaboradores ambos del Laboratorio de Bioingeniería y Optoelectrónica de la Escuela Técnica Superior de Ingenieros (ETSI) de Telecomunicación de la UPM, propone desarrollar un sistema de ayuda a la toma de decisión clínica, basado en redes neuronales y en paradigmas de Deep Learning.

Con el objetivo de poder optar a un diagnóstico automático con patrones específicos para la Covid-19 que evite confusiones con las imágenes correspondientes a otras posibles neumonías víricas o bacterianas y aporte una mayor precisión para detectar las regiones pulmonares afectadas. Además de contribuir a reducir, también mediante análisis combinado automático, el número de falsos negativos que se producen al hacer los diagnósticos en los laboratorios de bioquímica.

Según el trabajo, este uso de la IA salva factores de sesgo potencial que pueden afectar a la toma de decisiones clínicas. Tales como los debidos a los distintos dispositivos de rayos X existentes en la actualidad, los defectos de la proyección anteroposterior (AP), que es el tipo de radiografía de tórax más utilizada, con el corazón en medio y los pulmones a cada lado, o el sexo del paciente, entre otras magnitudes posibles.

Dado que mejora el diagnóstico y la evaluación de la enfermedad, gracias a una sensibilidad que se sitúa entre el 79 y el 90%, con similares rangos de especificidad. A partir de resultados obtenidos en apenas unos minutos que, además, suponen un juicio clínico comparable al de los más avezados radiólogos. Para poder determinar estadios iniciales de evaluación patológica dentro, incluso, de los cinco primeros días posteriores al inicio de la enfermedad.

A lo anterior, los investigadores del laboratorio de la UPM añadieron que la tecnología ensayada permite llevar los resultados obtenidos a la nube. Como otra ventaja añadida, en términos también de eficiencia, como es poder sustituir, o acelerar, el juicio clínico de los radiólogos expertos, cuya demanda ha crecido enormemente desde el inicio de la pandemia de Covid-19, mediante el procesado automático de la información visual recogida en las radiografías.

El trabajo fue publicado en la plataforma abierta de difusión tecnológica IEEE. En el mismo se precisa que el diagnóstico de Covid-19 también es factible mediante test molecular y de antígenos, igualmente completados con radiografía plana de tórax, para evitar los falsos negativos, además de retratar la gravedad del daño pulmonar alcanzado por la Covid-19.

Con el objetivo de lograr mayor precisión en la diagnóstico, el paper evalúa distintos métodos basados en Deep Neural Network, con potencial para conseguir una herramienta de diagnóstico automático de Covid-19, capaz de permitir distintos grados de control y de definición del tipo de neumonía y de segmentación de grupos distintos de pacientes afectados por la nueva enfermedad.

Para ello, los investigadores proponen una red neuronal convolucional artificial que emula la red neuronal del cerebro, a partir de un dataset, o conjunto de datos, de 79.500 radiografías compiladas desde distintas fuentes clínicas, entre las que se incluyeron 8.500 estudios radiológicos de pacientes de Covid-19. Para llegar a patrones extrapolables con una seguridad en la clasificación del 91,5%, según las diferentes regiones pulmonares.

El grupo español HM Hospitales aportó al estudio información anomizada de 310 pacientes tratados en diferentes fases de la enfermedad, desde que empezó la pandemia. Sujetos con PCR positiva o test inmunológicos con confirmación de SARS-CoV-2. De los que la corporación asistencial española aportó 5.560 imágenes clínicas.

Como antecedentes inmediatos, y tal como se hizo eco esta cabecera recientemente, el doctor Alexander Wong, profesor de Ingeniería de Sistemas de la Universidad de Waterloo (UW), ya apuntó a que el uso de un software de código abierto, también basado en IA para la detección temprana de infección por SARS-CoV-2, aporta seguridad a las decisiones clínicas, después de haber analizado 6.000 radiografías de tórax de 3.000 pacientes. Con resultados que permitieron al propio Wong preguntarse, si será posible antes que tarde prescindir de las pruebas PCR para confirmar los casos de Covid-19.

Frente a esta aseveración, el estudio internacional, que contó con la opinión de 7 radiólogos expertos para la identificación de la neumonía debida a la Covid-19, desde XR, ofrecieron una sensibilidad que fue del 97% al 70%, con una media del 80%, y una especificad del 7% al 100%, con un término medio del 70%. De lo que los autores extrajeron la conclusión de que los sistemas de AI que se vayan a aplicar a la nueva enfermedad, deberán contar con supervisión clínica.

En general, el trabajo impulsado desde la UPM, la Johns Hopkins University (Laureano Moro-Velázquez) y la Universidad de Antioquia (Julián D. Arias-Londoño) apunta a que se podrá disponer de algoritmos de diagnóstico de Covid-19, por IA y RX, susceptibles de ser compartidos desde la nube, por los servicios asistenciales de cualquier país del mundo. Aunque, no obstante, también fueron conscientes sus autores de que esto podría chocar con legislaciones nacionales en materia de protección de información de carácter personal.