Detección de COVID-19 a partir de imágenes de Rayos X de Tórax
Jesús Alejandro Alzate Grisales, Daniel Arias Garzón, Alejandro Mora Rubio, Mario Alejandro Bravo Ortiz, Harold Brayan Arteaga Arteaga y Alejandro Buenaventura Burbano Jácome, estudiantes de Ingeniería Biomédica e Ingeniería Electrónica, y los docentes Reinel Tabares Soto y Simón Orozco Arias, de la Universidad Autónoma de Manizales (UAM), vienen trabajando en una investigación relacionada con la detección de COVID-19, como una forma de diagnóstico rápido, económico y preciso, en comparación con otras técnicas como los test rápidos (antígeno) y la pruebas PCR.
Su detección es instantánea y su precio es de alrededor de 20 mil pesos, lo que será de gran ayuda para la población, puesto que las pruebas de este tipo están entre los 150 mil pesos y 300 mil pesos. Además la precisión de detección de COVID-19 está en el 88 %.
Sin embargo, se aclara que este modelo busca ser un apoyo para que un radiólogo dé la efectividad del diagnóstico y la certeza del mismo.
El proyecto de investigación tiene como nombre “Detección de COVID-19 a partir de imágenes de Rayos X usando Redes Neuronales Convolucionales” (modelo de computación entrenado previamente para la identificación o reconocimiento de patrones, en este caso del Coronavirus)”.
Estas Redes Neuronales Convolucionales lo que hacen es aplicar una operación matemática de forma automática a las imágenes, llamada convolución, con la que se resaltan los rasgos característicos de COVID-19 que se observan en radiografías de Tórax, tanto frontales como laterales.
“Tenemos cerca de 22 mil imágenes. Cuando tenemos una radiografía, lo que hacemos es segmentar la zona del pulmón. Posteriormente obtenemos los rasgos específicos del COVID-19, gracias a una base de datos que fue realizada por radiólogos. Con estos datos lo que hacemos es entrenar una red neuronal (modelo de computación) que permite identificar si radiografías posteriormente analizadas se evidencian o no con este virus”, comentó Jesús Alejandro Alzate Grisales, estudiante de Ingeniería Electrónica e Ingeniería Biomédica de la UAM.
Los investigadores explicaron que este proyecto se puede dividir en varias fases:
1. Obtención de la base de datos: Todos los algoritmos de inteligencia artificial necesitan gran cantidad de datos para que puedan ser entrenado, en este caso radiografías de tórax de personas que hayan presentado la COVID19 positivo y COVID19 negativo. Para esto, los investigadores cuentan con el apoyo del Banco de la Imagen Medica de la Comunidad Valenciana (BIMCV), los cuales proveen todas estas imágenes previamente revisadas y de diferentes hospitales.
2. Preprocesar la base de datos: En esta etapa se revisan las imágenes y se usan diferentes técnicas para evitar que la calidad y las condiciones de obtención de las imágenes influyan en los modelos de inteligencia artificial.
3. Segmentar la zona del pulmón: Para esto se usan modelos que aprendan a distinguir la zona del pulmón y la segmenten, ya que es la zona de interés.
4. Distinguir Zonas con rasgos característicos de observados en COVID19: Las imágenes previamente segmentadas se aprende a distinguir zonas con rasgos característicos de COVID19, por lo que se necesitan imágenes que hayan sido previamente anotadas por radiólogos, por lo que contamos con la ayuda de 2 radiólogos pertenecientes S.E.S Hospital Universitario de Caldas.
5. Clasificar imágenes COVID19 positivo vs COVID19 negativo: En esta etapa se ingresan las imágenes para su clasificación final usando las ya mencionadas redes neuronales Convolucionales, en específico aquellas que han sido ya entrenadas para otras tareas.
6. Evaluar los resultados: Se analiza la viabilidad y efectividad de los resultados obtenidos con diferentes técnicas estadísticas.
7. Desarrollo de software: Finalmente se espera el desarrollo de un software abierto para ser usado inicialmente en hospitales de la ciudad de Manizales.
Actualmente el proyecto se encuentra en desarrollo y en un estado avanzado hasta la fase 4, sin embargo, al momento de recibir más imágenes todas las fases se deben revisar.
Cabe resaltar que este proyecto cuenta con el apoyo de los grupos de investigación de Automática e Ingeniería de Software, bajo el marco del Semillero de Bioinformática e Inteligencia Artificial de la Universidad Autónoma de Manizales; la Secretaría de TIC y Competitividad de la Alcaldía de Manizales; el S.E.S Hospital Universitario de Caldas; y colaboradores del Centro de Investigación del Príncipe Felipe (España) y el Banco de la Imágen Médica de la Comunidad Valenciana, los cuales proveen recursos computacionales y acceso a bases de datos.
Finalmente esta iniciativa fue aprobada para ser financiada por el Ministerio de Ciencia, Tecnología e Innovación (Minciencias) dentro de la convocatoria para el fortalecimiento de proyectos en ejecución de CTeI en ciencias de la salud con talento joven e impacto regional, donde se incluirán estudiantes como jóvenes investigadores y jóvenes profesionales.
