La pandemia de coronavirus despertó varias polémicas en el mundo entero: aislamiento sí o no; barbijo sí, barbijo, no; y entre ellas, la utilidad de los test masivos, que algunos países aplicaron. En la Argentina, un grupo de investigadores locales que desarrolló un programa que detecta casos positivos en 3 minutos, a través de una radiografía de tórax y un software, y que sería entre un 95% y 98% efectiva, y sobre todo, gratuito, pese a que no reemplaza al test PCR, puede reabrir la última polémica mencionada: ¿sirve apuntar a la elaboración de test masivos?
Un grupo de investigadores argentinos desarrolló un sistema gratuito que identifica casos positivos de coronavirus en 3 minutos y con una precisión de entre un 95% y 98%.
Se trata de un software que trabaja a través de un diagnóstico por imagen de una radiografía de tórax en conjunto con una inteligencia artificial específica. El programa se llama Covid X y fue desarrollado por un equipo de 7 estudiantes de la UADE, la Universidad Nacional de San Juan y el ITBA.
“Estamos entusiasmados, creemos que esta herramienta tiene la posibilidad de ayudar al cuerpo médico sin necesidad de grandes inversiones“, contó el director del proyecto al diario ‘Clarín’, Santiago Bassani, que cursa ingeniería informática en el ITBA y es encargado del desarrollo del proyecto.
El sistema, sobre el que publica el mencionado matutino, usa estudios hechos con tomografía computada (TC) y rayos X (radiografías) como fuente para ser analizado en un sistema. Eso se introduce en un “modelo preentrenado” (una inteligencia artificial que llamaron VGG16) que da como resultado si el paciente es positivo o negativo en coronavirus.
La idea la trabajaron a partir de una serie de trabajos científicos publicados por la sociedad radiológica de Estados Unidos (RSNA) por médicos de Wuhan, China, ciudad de donde salió el coronavirus, junto a una gran cantidad de papers relacionados al uso de inteligencia artificial y la detección temprana de Covid-19.
“Utilizando las arquitecturas ya planteadas entrenamos un modelo preliminar y lo testeamos con a 200 radiografías (100 sanas y 100 infectadas): frente a los resultados prometedores, comenzamos a contactar médicos interesados en el proyecto“, explicó Bassani.
Y hasta el momento, según detallan desde el proyecto, los resultados son “prometedores”, aunque saben que se necesita una prueba más extensa con más datos para llegar a una conclusión definitiva. Esto es, necesitan más imágenes para poder determinarlo.
Aclara que no reemplaza al PCR, el examen más extendido en la actualidad para detectar casos de Covid-19, “bajo ningún punto de vista“. “El uso de radiografías y tomografías computarizadas apela a ser una alternativa para los denominados test rápidos“, dijo.
Pero también advierte de la utilidad de estos métodos: “Dado los resultados experimentales que obtuvimos hasta el momento y basados en medidas que tomaron otros países, vemos que hay lugar para el uso de estas técnicas“.
El sistema trabaja con placas de tórax que pueden obtenerse mediante rayos X o una tomografía computada, ambos estudios disponibles de manera extendida en los sistemas de salud mundiales. Esto se introduce en una base de datos que se está generando con información de enfermedades conocidas y con las características del Covid-19. Por eso se sirve del concepto de big data: cuanta más información tenga, mejor funciona.
Esto está puesto a trabajar en conjunto con una inteligencia artificial (AI, por su sigla en inglés): “La inteligencia artificial que utilizamos se denomina red neuronal convolucional. Se trata de una arquitectura en la que presentamos una imagen y el modelo permite extrapolar de dicha imagen las características que aprende. En nuestro caso, el modelo detecta patrones cristalinos que se forman dentro de los pulmones. Actualmente, el modelo solo nos devuelve la probabilidad de estar infectado o no“, explicó el estudiante.
“Nuestros esfuerzos se encuentran en dos lugares. Por un lado, darle mayor interpretabilidad a los resultados. Esto significa que el modelo devuelva la imagen original con los contornos donde, sospecha, hay posibles rasgos distintivos de Covid-19. Esto permitiría al profesional a cargo, tomar una mejor decisión y más informada“, continuó Bassani.
Además, dijo que el 95% de precisión que tienen estos trabajos “representa el porcentaje de verdaderos positivos y verdaderos negativos que el clasificador logra detectar sobre el total de casos que miró“.
La métrica se obtiene a partir de una clasificación de 200 imágenes con un modelo ya entrenado, y luego se suman los casos donde se clasificó correctamente (positivo o negativo) y finalmente se divide por el total de casos, 200. “Para que dicho test tenga una significancia estadística, se corre el mismo test con varios conjuntos de datos distintos (variando el orden de las imágenes): eso da cerca de 95%“, explicó Bassani.
