La foto que identifica neumonía por COVID-19

Es una enfermedad misteriosa. Un patógeno que ataca a las vías respiratorias. Y lo hace de una manera muy inteligente. Busca, sobre todo, contagiar a personas mayores con dolencias previas como diabetes, obesidad, hipertensión, apnea del sueño… para replicarse más rápido. Su parte favorita son los pulmones. Conquista el territorio y provoca neumonías que, en muchos casos, son mortales. 

La COVID-19 es el nuevo coronavirus que ha paralizado el planeta. Hasta la fecha solo se conocían seis, cuatro que provocan síntomas leves similares a los de un resfriado y dos más virulentos. El SARS , originado en China, causó la muerte de más de 700 personas en todo el mundo; mientras que en 2015 el MERS (síndrome respiratorio de Oriente Medio) dejó 449 muertos. Ahora las cifras son escalofriantes. Al cierre de esta edición había 3,2 millones de contagiados y más de 233.000 fallecidos a nivel mundial. 

La carrera por conseguir una vacuna se inició hace unas cuantas semanas, pero este proceso es largo porque debe ir acompañado de seguridad, así que cualquier ayuda es buena para plantar cara a un virus que campa a sus anchas por el planeta. En su camino se han interpuesto dos estudiantes de Telecomunicaciones. El burgalés Flavio Grillo y el madrileño Javier Balbás aplican inteligencia artificial para detectar neumonías por COVID-19 en radiografías. 

Su modelo, entrenado con numerosas imágenes de distintas categorías –neumonías provocadas por coronavirus, otras neumonías, pulmones sanos y radiografías no válidas−, encuentra patrones comunes de cada clase, lo que permite identificar las neumonías causadas por el SARS-CoV-2. Ya está en funcionamiento y es accesible a través de la web www.coronavirusxray.com de una manera totalmente gratuita. En este punto, subrayan que el material que se sube a la plataforma no se recopila ni se almacena debido a que son datos sensibles. 

El modelo arroja una precisión del 97,9% sobre una muestra de 860 imágenes. «El resultado es muy alto, pero debemos tener en cuenta que las imágenes que hemos utilizado para el entrenamiento y la prueba provienen de unos pocos conjuntos de datos con un mismo origen, por lo que el sistema puede haber aprendido muy bien respecto a esas imágenes con ciertas similitudes y fallar sobre otras», advierten los estudiantes de Telecomunicaciones para, a renglón seguido, añadir que la manera de evitar esta situación es entrenarlo con una cantidad mucho mayor de radiografías procedentes de múltiples fuentes y con características diferentes: equipos de rayos X, personas de distintas razas, sexo y complexión, calidad de la imagen…

Si se consigue llegar a ese punto, el siguiente paso, tal y como avanzan, sería realizar un estudio clínico para verificar su validez , con el fin de convertirse en una herramienta de soporte al diagnóstico. En este sentido, dejan claro que aún no se ha logrado, no obstante, consideran «esencial» seguir el camino de la inteligencia artificial, puesto que no solo en el campo de radiología, sino en la prevención, seguimiento y creación de nuevos fármacos tiene mucho que decir y, sobre todo, que hacer. 

Su punto diferencial con otros proyectos es que ofrecen en abierto esta tecnología para ayudar a los profesionales sanitarios a mejorar sus diagnósticos. «Con esta aplicación web pretendemos que no haya diferencias entre los hospitales de todo el mundo, ya que habrá centros que sí que cuenten con inteligencia artificial en sus máquinas de radiodiagnóstico y otros no», apuntan Flavio Grillo y Javier Balbás, que tienen claro que la principal ventaja es que se puede utilizar de forma libre y gratuita. El único requisito es tener conexión a internet y una máquina de rayos X.

Es más, afirman que no es un proyecto estático. Ni mucho menos. Su idea es que pueda ser útil en futuras investigaciones para analizar los patrones de neumonías causadas por coronavirus respecto a diferentes variables como pueden ser la edad, el sexo, las patologías previas, entre otras. También exponen que se podría aplicar a la afección de la enfermedad en la relación al tiempo. Y es que, en su opinión, la información que se puede obtener de su herramienta podría ser «de gran utilidad» para conocer más en profundidad el impacto de esta dolencia en la sociedad. 

¿Cómo surgió? Estos jóvenes entablaron una conversación sobre aplicaciones de inteligencia artificial. En concreto, se centraron en el reconocimiento de imágenes. A continuación, decidieron dar el paso de aplicar ese conocimiento basado en redes neuronales en la detección de neumonías causadas por la COVID-19 mediante radiografías. Investigaron en la red y hallaron un estudio de la Universidad de Ottawa que certificaba esta línea, así que se pusieron en marcha y desplegaron en internet una web que importase un modelo de inteligencia artificial gratuito para intentar aportar su granito de arena en esta pandemia. 

Un granito que se ha convertido en una gran montaña, ya que personas, empresas e instituciones han mostrado interés en ayudar con el proyecto. «Nos han preguntado si pueden colaborar cediéndonos radiografías de familiares, lo cual muestra el grado de implicación de la gente en esta crisis. Hay compañías interesadas en colaborar, lo que nos está abriendo puertas al mundo laboral. Además, hay instituciones como nuestra universidad, la Universidad Europea , y el Sistema de Imagen Médica Digital de Cataluña que están gestionando la cesión de radiografías para que sigamos desarrollando y mejorando el modelo», cuentan.

Como plan de futuro, los estudiantes de Telecomunicaciones adelantan que el principal propósito es seguir entrenando el modelo con la meta de conseguir una fiabilidad adecuada para poder realizar un ensayo clínico. Con este logro, recalcan Grillo y Balbás, la herramienta se podría utilizar en hospitales como soporte a los médicos. 

De igual manera, ven con buenos ojos crear una nueva línea de trabajo orientada a la detección de neumonías causadas por coronavirus en tomografías axiales computarizadas , más conocidas como tacs, por recomendación de los profesionales sanitarios que señalan que el análisis de estas pruebas podría dar mejores resultados.