Un joven burgalés aplica la inteligencia artificial para detectar la covid-19 en las radiografías

En esta guerra sanitaria y social contra la covid-19 todas las manos que se echen son pocas. Y si la ayuda viene en forma de proyecto técnico para facilitar la detección del virus más allá de la sintomatología, mucho mejor. Así que el modelo desarrollado por los estudiantes de Telecomunicaciones Flavio Grillo y Javier Balbás, que permite detectar la presencia de la covid-19 en radiografías de tórax con una precisión del 97,9% es una más que buena noticia para seguir avanzando en la lucha contra el 'bicho'.

Burgalés y madrileño, Grillo y Balbás han ideado un modelo de inteligencia artificial para detectar el coronavirus en las radiografías, pues se puede diferenciar con gran precisión una neumonía provocada por la covid-19 de una neumonía típica, explica Flavio Grillo. «Esta herramienta de diagnóstico no es un sustituto de los médicos», matiza, pues existe margen de error. «Puede dar fallo», ya que basa los resultados en un catálogo de imágenes, todas verificadas por profesionales, que en el caso del virus se nutre de positivos confirmados pero con diferentes enfoques o resoluciones.

De lo que se trata es de ofrecer un modelo de inteligencia artificial que permita dar la voz de alarma o ayudar en el diagnóstico en el caso de que los profesionales no dispongan de test o incluso duden del primer diagnóstico. Grillo reconoce que en esta situación de crisis sanitaria las neumonías atípicas se atribuyen de entrada a la covid-19. Sin embargo, en el futuro habrá que diferenciar con exactitud las neumonías típicas de las provocadas por el coronavirus, para aplicar los protocolos de aislamiento o tratamiento preceptivos. De ahí la utilidad del sistema desarrollado.

Todo empezó a mediados de marzo, cuando vieron que médicos chinos utilizaban un filtro de inteligencia artificial en la máquina de rayos para determinar si el paciente analizado estaba sano, tenía neumonía típica o estaba infectado por la covid-19. De ahí pasaron a un artículo científico de la Universidad de Ottawa (Canadá) donde se hablaba de una herramienta de inteligencia artificial, COVID-Net, basada en la diferencia existente entre la neumonía por coronavirus y otras afecciones respiratorias.

Y el siguiente paso que dieron Flavio Grillo y Javier Balbás fue desarrollar un modelo propio, fundamentado en el reconocimiento de imágenes por inteligencia artificial. El modelo se basa en redes neuronales convolucionales para detectar neumonía ocasionada por el coronavirus. Ha sido entrenado con cuatro categorías de imágenes: radiografías de pacientes con neumonía por la covid-19, con neumonía vírica, con neumonía bacteriana y pacientes sanos (categoría donde encajan también imágenes fallidas).

El modelo estaba en marcha ya el pasado 3 de abril, cuando lo subieron a Internet a través de la interfaz https://www.coronavirusxray.com/ o www.covid19xray.com, y va ya por la tercera versión, revisada y mejorada. La primera, que ya ofrecía un resultado «prometedor» del 90% de acierto, se basaba en unas 300 imágenes. Se amplió el catálogo de imágenes y se cambiaron algunos parámetros y, tras una tercera revisión, el modelo de identificación alcanzó el 97,9% de precisión. Se ha entrenado sobre 8.000 imágenes, de las que el 10% son positivos por covid-19, según detalla Flavio Grillo.

Han tomado imágenes de la Universidad de Ottawa, del Centro Nacional de Radiología Intensivista de Italia, de un médico español que ha compartido radiografías 'on-line' y de las bases de datos que están utilizando los profesionales sanitarios en plena crisis. «Tenemos un feedback bastante bueno por parte de los profesionales de inteligencia artificial y de médicos, que nos han dicho que es muy prometedor», confirman. Ahora, el objetivo sería mejorar el modelo y hacer un estudio clínico que lo corrobore.