Investigadors del centre tecnològic Eurecat, del Centre de Visió per Computador (CVC) i de la Universitat de Barcelona (UB) han desenvolupat un sistema automatitzat que incorpora tecnologia d’aprenentatge profund o Deep Learning per a la detecció de lesions causades per la Covid-19 mitjançant l’anàlisi d’imatges de tomografia axial computeritzada (TAC) de tòrax.

L’estudi, que ha estat desenvolupat pels investigadors Giuseppe Pezzano, Vicent Ribas, Petia Radeva i Oliver Díaz, ha estat publicat recentment en la revista ‘Computers in Biology and Medicine’.

La recerca “ha permès constatar l’eficiència del sistema com a eina de suport a la presa de decisions per als professionals sanitaris en la seva tasca de detecció de la Covid-19, i per mesurar la gravetat, l’extensió i l’evolució de la pneumònia causada pel SARS-CoV-2, també a mitjà i llarg termini”, afirma l’investigador principal, Giuseppe Pezzano, investigador de la Unitat de Digital Health d’Eurecat i de la UB.

En concret, el funcionament del sistema consisteix en “una primera fase de segmentació dels pulmons a partir de la imatge TAC per reduir l’àrea de cerca i, posteriorment, s’utilitza l’algorisme per analitzar l’àrea dels pulmons i detectar la presència de la Covid-19. En cas de resultat positiu, la imatge es processa per identificar les àrees afectades per la malaltia”, afegeix Pezzano.

L’algorisme ha estat provat amb 79 volums i 110 seccions de TACs en els quals s’havia detectat infecció per Covid-19, obtinguts en tres repositoris d’imatges d’accés lliure, i s’ha aconseguit una precisió de mitjana per a la segmentació de lesions causades pel SARS-CoV-2 de prop del 99 per cent, no observant-se cap fals positiu durant la identificació.

D’acord amb l’investigador de l’estudi i cap de la Línia de recerca en Analítica de Dades en Medicina de la Unitat de Digital Health d’Eurecat, Vicent Ribas, “la precisió de l’eina desenvolupada, que mostren els resultats de l’estudi, obre les portes al seu ús per a altres aplicacions en salut, un camp en el qual l’ús d’Intel·ligència Artificial és cada vegada més útil”.

El mètode desenvolupat utilitza una forma innovadora per calcular la màscara de la segmentació de les imatges mèdiques, que ha donat molt bons resultats també en la segmentació de nòduls a les imatges de tomografies.

Recentment, “s’han publicat treballs que mostren que algorismes d’aprenentatge profund i Visió per Computador han aconseguit una precisió millor que els experts mèdics en detectar càncer en mamografies, predir ictus i atacs del cor. Nosaltres no podíem quedar-nos enrere i hem desenvolupat aquesta tecnologia per ajudar els metges a combatre la Covid-19, oferint-los algorismes d’alta precisió per analitzar imatges mèdiques de forma objectiva, transparent i robusta”, afegeix la Catedràtica i cap del Grup de Recerca consolidat “Computer Vision and Machine Learning” de la Universitat de Barcelona, Petia Radeva, investigadora principal del Centre de Visió per Computador.

“Aquest tipus de sistema automatitzat representa una eina molt important pels professionals de la salut per tal de fer diagnòstics més robustos i precisos, ja que pot donar informació que no és possible mesurar per un ésser humà”, subratlla el professor agregat de la UB Oliver Díaz.