Nota

Universidad Nacional de Tucumán - Facultad de Ciencias Exactas y Tecnología

20 de Junio de 2022 | 5 ′ 26 ′′

Científicos tucumanos realizan diagnósticos por medio de inteligencia artificial

Investigadores clasifican radiografías de tórax de niños con neumonía con un asertividad superior al 90% utilizando datos públicos como referencia. Buscan aplicar el sistema en estudios realizados en la Provincia.

Imagen ilustrativa de placas radiográficas de tórax

En lugares de difícil acceso, como la alta montaña, donde muchas veces no hay expertos en imagen para evaluar los resultados de radiografías, resonancias o análisis, la inteligencia artificial puede convertirse en una alternativa para hacer una preclasificación. Los softwares que se basan en técnicas de aprendizaje automático (Machine Learning) se utilizan desde hace tiempo con éxito en países desarrollados, tanto para preclasificar estudios, como para realizar estadísticas en salud.

María Cristina Werenitzky Curia, del Laboratorio de Computación Científica de la Facultad de Ciencias Exactas y Tecnología (FACET), de la Universidad Nacional de Tucumán, dirige el grupo de investigación “Inteligencia Artificial (IA) Aplicada a la Salud”, que busca generar conocimiento útil a partir de los datos que proporcione el sistema de salud de Tucumán. Tiene como meta mejorar los procesos y las predicciones en el ámbito de la salud, además de contribuir a la toma de decisiones con la mayor cantidad de información posible.

La investigadora señaló que en la actualidad trabajan con imágenes radiológicas para identificar enfermedades pulmonares en niños. “Trabajamos con la clasificación automática de imágenes médicas, en particular, radiografías de tórax. El objetivo es realizar un pre-diagnóstico del paciente de manera automática. Esto puede utilizarse, por ejemplo, para identificar de forma inmediata pacientes que presentan alguna patología, en lugares donde el sistema de salud no cuenta de forma permanente con un especialista”, precisó la especialista a Argentina Investiga.

El sistema consiste en entrenar a una computadora para que realice tareas como las hacemos los seres humanos, en este caso la identificación de imágenes para hacer predicciones (diagnósticos). Werenitzky Curia comentó que la red recibe una gran cantidad de imágenes radiológicas etiquetadas en alguna de las dos categorías (normal o con neumonía). Y que durante la etapa de entrenamiento/aprendizaje la red detecta patrones en esas imágenes que le permitirán diferenciar las radiografías normales de las que presentan esa patología. Luego, a esa red entrenada, se le ingresan imágenes nuevas (que no se usaron para entrenar la red), se mide la capacidad de generalización que tiene y se hacen los ajustes necesarios.

La investigadora comentó que el grupo de trabajo preclasificó estudios con datos públicos disponibles en el sistema de la Universidad de California, en San Diego, que corresponden a radiografías de tórax pediátricas clasificadas en dos categorías: normales o con neumonía. Indicó que el modelo desarrollado por ellos clasifica con una precisión del 93% los casos positivos (en los que el paciente presenta neumonía) y con 88% los negativos”. Inicialmente, el modelo sólo detecta la presencia o la ausencia de neumonía en la imagen, pero que buscan ampliar el prediagnóstico para abarcar otras patologías, usando un nuevo set de datos.

Gabriela Odstrcil, integrante del equipo y del Departamento de Ciencias de la Computación de la FACET, señaló que la utilidad de estos modelos de IA es la rapidez que tienen para realizar un prediagnóstico del paciente, de forma automática, cuando se realiza una radiografía u otro estudio. "Esto puede llegar a ser determinante en lugares donde no se cuenta con radiólogos que puedan interpretar los resultados”, indicó.

La profesional sostuvo que el modelo construido puede servir para pre-clasificar los datos del SIPROSA realizando pequeños ajustes. Opinó que el sistema podría emplearse, por ejemplo, para preevaluar los datos recabados por los tráileres sanitarios que recorren la Provincia y que incluyen una amplia variedad de estudios (tomografías, mamografías, ecografías). “Cuando al paciente se le realiza algún control, en función de los resultados obtenidos con esta preclasificación, puede derivárselo de forma inmediata al especialista correspondiente”, comentó

Matías Cattáneo, integrante del equipo y de la Dirección de Comunicaciones, Informática y Logística del SIPROSA, dijo que para trabajar con el sistema de salud provincial tendrían que adaptar la salida de los equipos radiológicos de Tucumán al formato de imagen que requiere el sistema. “La principal ventaja es que nos permitirá anticipar alguna enfermedad potencial antes de que lo pueda ver algún especialista, posibilitará detectar rápido una patología grave y actuar con urgencia”, afirmó.

Inteligencia artificial para ecografías y análisis

Werenitzky Curia comentó que aplicarán el modelo de IA al sistema de salud de la Provincia para realizar pre-diagnósticos automáticos. Aclaró que esas evaluaciones deben ser luego validadas por especialistas. “Seguimos trabajando con el modelo anterior para mejorar la precisión de los resultados aplicando distintas técnicas. Y esperamos ampliar el modelo construido para trabajar con radiografías que presentan distintas patologías (enfisema, hernia, infiltración y fibrosis)”.

La profesional enfatizó que pueden aplicarse otras técnicas de IA sobre datos obtenidos de análisis de sangre, orina u otro tipo de estudio que no involucre imágenes. Además de Werenitzky Curia, Odstrcil y Cattáneo, integran el equipo Luis Ortiz (Ciencias de la Computación) y Luis Cáceres (tesista de la Licenciatura en Ciencias de la Computación).

Daniela Orlandi
Universidad Nacional de Tucumán

Dirección de Medios y Comunicación Institucional
danielaorlandi@rectorado.unt.edu.ar
www.unt.edu.ar


NOTAS DESTACADAS
El doctor en Ciencias Químicas de la UNR Ariel Sarotti fue distinguido con el premio Houssay 2021
Científicos de la UNLP avanzan en una nueva terapia para combatir células tumorales
Un formulado con bacterias nativas permitiría reducir a la mitad el uso de fertilizantes en los cultivos
Ensayan una terapia localizada para atacar tumores con microondas
“El Trabajo: entre lo público, lo privado y lo íntimo. Comparaciones y desafíos internacionales del cuidado”
Descubren cómo funciona una proteína clave para la sinapsis neuronal
NOVEDADES
Científicos tucumanos realizan diagnósticos por medio de inteligencia artificial
Cuál es la percepción social acerca de la enfermería comunitaria
La Máquina de Desaparecer: una instalación del fotoperiodista Eduardo Longoni
La universidad pública apuesta al desarrollo de medicamentos, tratamientos y tecnología médica
Una nueva especie de parásito fue descubierta en Pampa de Achala
Los cuerpos dóciles: la educación física infantil durante la dictadura
AGENDA
NOTAS RELACIONADAS

Por un big data más igualitario

Situaciones y procesos que se daban entre personas ahora están en manos de sistemas que los humanos no controlan. Es por eso que investigadores de ...

NOTAS MÁS LEÍDAS
Los cuerpos dóciles: la educación física infantil durante la dictadura
Diplomatura en Cannabis y sus usos medicinales - UNAJ
Ciencia ciudadana: diseñan una aplicación para monitorear la calidad del aire en el Conurbano
Economía del hidrógeno: la UNRN realiza estudios clave para su desarrollo en la Argentina
Una nueva especie de parásito fue descubierta en Pampa de Achala
NOTAS ACADÉMICAS
El cine y la literatura a la luz de las nuevas tecnologías
Una investigadora de la UNQ en Harvard
Carlos Castro: “El objetivo es alumbrar aquellos espacios en los que creíamos que no era posible la luz"
Ramiro Perrotta, biotecnólogo de la UNQ, participará del proyecto para resucitar al mamut lanudo
Esponja y trapo rejilla ¿aliados en la cocina o reservorio de bacterias?

logo SIU logo CIN logo SPU logo Ministerio de Educación

Argentina Investiga - Todos los derechos reservados