NCYT.- La neumonía es una infección respiratoria aguda causada por virus o bacterias. Aunque afecta a personas de todas las edades y suele ser una enfermedad leve, es una de las principales causas infecciosas de muerte entre grupos vulnerables, como los ancianos y los niños. Así, en 2017, esta enfermedad estuvo relacionada con la muerte de más de 808.000 niños menores de cinco años en todo el mundo, representando el 15% de todas las muertes en el mencionado grupo de edad. Un diagnóstico rápido de la enfermedad favorece su tratamiento, reduciendo sus consecuencias más adversas.
En el marco de lo que se ha dado en llamar “big data”, surge el paradigma de la medicina basada en los datos. Las enormes cantidades de datos de pacientes generadas de una forma continua en los centros médicos, contienen un conocimiento cuya extracción y explotación es imposible llevar a cabo de una forma manual por los facultativos, entre otros aspectos, porque una adecuada selección o unión de estos datos puede proporcionar biomarcadores de una enfermedad que no son inmediatos o intuitivos para ellos. En este escenario, surge como solución el aprendizaje automático (machine learning, en inglés), una modalidad de inteligencia artificial capaz de establecer relaciones entre los datos y las patologías. De esta forma se ha desarrollado una gran cantidad de sistemas que facilitan y aceleran el diagnóstico de distintas enfermedades como pueden ser diferentes tipos de cáncer o la enfermedad de Alzheimer, entre otras.
Con el objetivo de proporcionar herramientas para tal fin, un estudio realizado por un equipo de investigadores de la Universidad Politécnica de Madrid (UPM) en España y de la Universidad de Concepción (UdeC), en Chile, ha analizado el potencial de distintos biomarcadores para entrenar modelos de inteligencia artificial que detecten la neumonía en imágenes de rayos X de tórax.
“El objetivo de nuestro estudio ha sido generar modelos de machine learning que detectarán de una forma automática y precisa la neumonía en imágenes de rayos X de tórax” señala Consuelo Gonzalo, investigadora de la UPM que ha dirigido el equipo de trabajo. Para ello, previamente se procesaron las imágenes disponibles con objeto de eliminar ruido, datos innecesarios y homogenizar las características de todas las imágenes con las que se iba a trabajar. Posteriormente, se extrajeron diferentes atributos relacionados con los patrones (identificados por un neumólogo en las imágenes) para el diagnóstico de la enfermedad. “En este caso, se han definido atributos fundamentalmente relacionados con la textura que presenta la región de los pulmones incluidos en estas imágenes. Estos atributos constituyen los biomarcadores a partir de los cuales generamos los modelos para detectar la neumonía”, continúa explicando Consuelo Gonzalo.
En el estudio, se ha analizado y comparado el comportamiento de diferentes modelos de aprendizaje automático entrenados con diferentes biomarcadores, con objeto de determinar la mejor combinación para resolver el problema planteado, que sería aquella que proporcione un mayor número de casos adecuadamente clasificados (neumonía/no neumonía) para imágenes que no han participado en el proceso de generación de los modelos. De esta forma, se determina la capacidad del modelo generado para trabajar con imágenes nunca antes vistas por el sistema.
El rango de precisión obtenido dependiendo de los modelos con los que se han generado y de los biomarcadores seleccionados varía entre el 95,3% y el 99%. “En otras palabras, en el primer caso 95,3 de 100 imágenes son adecuadamente diagnosticadas y en el segundo 99 de cada 100. Estos resultados muestran el potencial de los modelos generados”, concluye la investigadora.
El estudio se titula “Automatic detection of pneumonia in chest X-ray images using textural features”. Y se ha publicado en la revista académica Computers in Biology and Medicine.