Investigadores del centro tecnológico Eurecat, del Centro de Visión por Computador (CVC) y de la Universitat de Barcelona (UB) han desarrollado un sistema automatizado que incorpora tecnología de aprendizaje profundo o Deep Learning para la detección de lesiones causadas por la Covid-19 mediante el análisis de imágenes de tomografía axial computarizada (TAC) de tórax.

El estudio, desarrollado por los investigadores Giuseppe Pezzano, Vicent Ribas, Petia Radeva y Oliver Díaz, ha sido publicado recientemente en la revista ‘Computers in Biology and Medicine’.

La investigación “ha permitido constatar la eficiencia del sistema como herramienta de apoyo a la toma de decisiones para los profesionales sanitarios en su labor de detección de la Covid-19, y para medir la gravedad, extensión y evolución de la neumonía causada por el SARS-CoV-2, también a medio y largo plazo”, afirma el investigador principal, Giuseppe Pezzano, investigador de la Unidad de Digital Health de Eurecat y de la UB.

En concreto, el funcionamiento del sistema consiste en “una primera fase de segmentación de los pulmones a partir de la imagen TAC para reducir el área de búsqueda y, posteriormente, se utiliza el algoritmo para analizar el área de los pulmones y detectar la presencia de la Covid-19. En caso de resultado positivo, la imagen se procesa para identificar las áreas afectadas por la enfermedad”, añade Pezzano.

El algoritmo ha sido probado con 79 volúmenes y 110 secciones de TACs en los que se había detectado infección por Covid-19, obtenidos en tres repositorios de imágenes de acceso libre, y se ha logrado una precisión de media para la segmentación de lesiones causadas por el SARS-CoV-2 de cerca del 99 por ciento, no observándose ningún falso positivo durante la identificación.

De acuerdo con el investigador del estudio y jefe de la Línea de investigación en Analítica de Datos en Medicina de la Unidad de Digital Health de Eurecat, Vicent Ribas, “la precisión de la herramienta desarrollada, que muestran los resultados del estudio, abre las puertas a su uso para otras aplicaciones en salud, un campo en el que el uso de Inteligencia Artificial es cada vez más útil”.

El método desarrollado utiliza una forma innovadora para calcular la máscara de la segmentación de las imágenes médicas, que ha dado muy buenos resultados también en la segmentación de nódulos en las imágenes de tomografías.

Recientemente, “se han publicado trabajos que muestran que algoritmos de aprendizaje profundo y Visión por Computador han logrado una precisión mejor que los expertos médicos al detectar cáncer en mamografías, predecir ictus y ataques al corazón. Nosotros no podíamos quedarnos atrás y hemos desarrollado esta tecnología para ayudar a los médicos a combatir la Covid-19, ofreciéndoles algoritmos de alta precisión para analizar imágenes médicas de forma objetiva, transparente y robusta”, añade la Catedrática y jefe del Grupo de Investigación consolidado «Computer Vision and Machine Learning» de la Universidad de Barcelona, ​​Petia Radeva, investigadora principal del Centro de Visión por Computador.

“Este tipo de sistema automatizado representa una herramienta muy importante para los profesionales de la salud para realizar diagnósticos más robustos y precisos, ya que puede dar información que no es posible medir por un ser humano”, subraya el profesor agregado de la UB Oliver Díaz.