Detección precoz de la COVID-19 mediante el análisis inteligente de imágenes de rayos X

Con casi 6 millones de casos confirmados de COVID-19 en el mundo a fecha de la publicación de esta noticia, los principales esfuerzos de todas las naciones han sido para trabajar de forma activa en la búsqueda de herramientas que puedan ayudar en la lucha contra la pandemia que ha puesto el freno a nuestra sociedad moderna y ha paralizado nuestras economías. La investigadora del CVC Debora Gil y su equipo, compuesto por Aura Hernàndez, el Carles Sànchez y Katerine Díaz, investigadores seniors del Centro de Visión por Computador y profesores de la Universitat Autònoma de Barcelona (UAB), han estado trabajando de forma activa dentro del área de la imagen médica durante los últimos veinte años, con un foco claro en el sistema pulmonar, y ahora han coordinado conocimiento y esfuerzos hacia un diagnóstico precoz y efectivo de la COVID-19.

Experimentos preliminares muestran que el cribado de COVID-19 con el uso de rayos X es factible. En comparación con otras metodologías, la precisión del modelo clásico propuesto por los investigadores del CVC consigue una media de precisión del 90% o más en la identificación de imágenes de rayos X, distinguiéndolas de otros tipos de neumonía. "Lo que hemos visto", declara Gil, primera firmante del estudio, "es que nuestra aproximación tiene mejores resultados que otras metodologías más modernas, como aquellas basadas en aprendizaje profundo (Deep Learning)". En un proyecto conjunto con investigadores de la Unidad de Apoyo a la Investigación metropolitana Norte del Instituto Catalán de la Salud y el IDIAP Jordi Gol, se intentará en los siguientes meses testar el modelo con datos de la práctica clínica habitual. Con este objetivo se ha preparado un convenio de colaboración entre ambas instituciones.

Los resultados indican que existe la posibilidad de diferenciar la COVID-19 de otras patologías en el pulmón con el uso de imágenes obtenidas de rayos X, y por tanto, optimizar el testaje por PCR en los centros de atención primaria. "Sin embargo", añade Debora Gil, "la COVID-19 es fácilmente confundible con infiltraciones pulmonares, y por lo tanto, necesitamos más datos clínicos de cara a entrenar un modelo más eficiente". La metodología propuesta por la doctora Gil y su equipo, presentado en este reciente artículo científico, ha sido capaz de detectar un total de 90 casos de COVID -19 con menos de uno de cada cinco casos malinterpretados por el algoritmo.

"Con este estudio, lo que hemos detectado es que la extracción de información de las imágenes de rayos X con visión por computador es posible para la detección prematura de la enfermedad", asevera Aura Hernàndez, co-autora del artículo. El objetivo del equipo es ahora compilar una base de datos estandarizada de la COVID-19 en imágenes de rayos X y así entrenar propiamente el modelo. "Con esta información", resalta Hernàndez, "el objetivo es clasificar imágenes de rayos X y por tanto discriminar la COVID-19 de otros tipos de neumonías y afecciones del pulmón. Esto nos llevaría a una herramienta de cribado que podría ser facilitada a centros de salud de atención primaria y por lo tanto al acceso a un diagnóstico temprano de la patología ".

Además, el proyecto tiene un tercer objetivo. Tal como explica Carles Sànchez, miembro del equipo y co-autor, el diagnóstico es clave, pero el monitoreo es esencial si se quiere seguir con detalle la evolución del paciente. "Necesitamos identificar de forma muy prematura las fases normales y anormales de las imágenes de rayos X con infiltraciones, así como patrones de progresión visual que pueden ser característicos de la COVID-19 para predecir las posibles complicaciones que pueden necesitar hospitalización", explica el doctor Sànchez.

La parte central del proyecto es el uso de imágenes de rayos X y no escáneres CT de tórax para la diagnosis temprana de la enfermedad pulmonar. Los escáneres proveen una elevada sensibilidad para el diagnóstico de la COVID-19, tal como indican trabajos anteriores. Sin embargo, los escáneres CT son altamente costosos y hay una dificultad logística de cara a proveer cribado masivo a un número elevado de pacientes. Los escáneres de rayos X, en cambio, pueden utilizarse o incorporarse a la mayoría de centros de atención primaria de salud y pueden aportar un método de selección rápido y asequible.

"Los algoritmos de machine learning (de aprendizaje de las máquinas) aplicadas a imagen médica nos pueden dar un análisis inteligente de imágenes de rayos X", explica Katerine Díaz, cuarto miembro del equipo y co-autora del artículo científico, "nuestro estudio preliminar lo demuestra. Ahora, necesitamos encontrar los recursos, y sobre todo, los datos, de cara a continuar y desarrollar este proyecto, que todavía está en una fase muy inicial". Con su modelo, el equipo de investigación abre una ventana a explorar esta metodología y así desarrollar una serie de herramientas inteligentes aplicadas a la imagen médica que podrían ayudar a los profesionales de salud pública en su respuesta a la pandemia actual. Además, estarían sentando las bases para una serie de modelos entrenados que podrían ser fácilmente adaptados a otras patologías pulmonares que pueden aparecer en un futuro.

Referencia:
D. Gil, K. Díaz-Chito, C. Sánchez, A. Hernández-Sabaté (2020): Early Screening of SARS-CoV-2 by Intelligent Analysis of X-Ray Images. [Pre-Print en Arxiv]. https://arxiv.org/abs/2005.13928