Informáticos y sanitarios crean una aplicación para agilizar el diagnóstico a través de rayos X

Personal investigador de la Escola Superior de Enxeñaría Informática del campus de Ourense ha desarrollado una aplicación que combina técnicas de inteligencia artificial y aprendizaje automático para facilitar el diagnóstico de enfermedades a través de imágenes de rayos X y reducir la probabilidad de error.

El proyecto se llama Sadisir (Sistema de Automatización del Diagnóstico a partir de Signos Radiológicos) y estuvo dirigido por David A. Ruano, con la participación de los investigadores Tomás Cotos, Silvana Gómez y Reyes Pavón, y los facultativos del Complexo Hospitalario Universitario de Ourense Diego Domínguez y José Manuel Fernández-Carrera.

La iniciativa nace para simplificar la interpretación de la gran cantidad de datos radiológicos que se generan en el proceso de diagnóstico de una enfermedad. Para que este sea eficaz es fundamental que el análisis sea exhaustivo y aquí es donde entran en juego la inteligencia artificial y los algoritmos de aprendizaje automático. “Son una solución crucial”, detalla el equipo investigador. De hecho, la herramienta creada por este grupo deduce automáticamente los diagnósticos más probables a partir de los signos presentes en una imagen de rayos X. Además de generar informes que muestran, de manera escueta, el resultado.

El protocolo experimental diseñado se realizó sobre el conjunto de datos PadChest, que proporciona una colección de más de 160.000 imágenes de radiografías de tórax e información clínica detallada sobre 67.000 pacientes. A partir de los resultados obtenidos en el entrenamiento, se optó por RandomForest como el algoritmo de clasificación más óptimo en este caso.

El desarrollo de este sistema de apoyo, indica el equipo, pretende ayudar al especialista médico en la toma de decisiones, ya que agiliza la identificación de la diagnosis y disminuye la probabilidad de error, además de reducir la sobrecarga de trabajo.

“Es importante tener en cuenta que las aplicaciones orientadas al ámbito sanitario tienen que tener una tasa de falsos negativos muy reducida”, explican los autores de este proyecto. En este sentido, añaden, “todos los diagnósticos emitidos por la aplicación deben ser validados por un facultativo y el sistema dispone de un mecanismo de aprendizaje continuo que se activa readiestrando los modelos con la información obtenida por el facultativo”. Todo esto, con la finalidad de mejorar la eficiencia del sistema, y por tanto, reducir los posibles errores.

Fácil de utilizar

Asimismo, y con el objetivo de que la aplicación pueda ser utilizada por cualquier tipo de usuario con independencia de su nivel de digitalización, la herramienta se diseñó con una interfaz gráfica de escritorio que permite indicar manualmente los signos radiológicos encontrados en la imagen, mostrar gráficamente la probabilidad de cada uno de los diagnósticos, seleccionar el más apropiado y generar el informe con la información del paciente, los signos encontrados y la diagnosis emitida.

La iniciativa contó con financiación de las ayudas Inou, de la Vicerreitoría del Campus de Ourense y la Diputación Provincial, y también de la Consellaría de Educación, Universidades y Formación Profesional en el marco de la financiación estratégica como grupo de referencia competitiva.

Suscríbete para seguir leyendo