Financiado por:
/ Portada / IDi

Intelixencia artificial para detectar lesións pulmonares causadas pola COVID-19

21-12-2021 - I+D+i

Un novo sistema automatizado que incorpora tecnoloxía de aprendizaxe profunda (unha técnica de intelixencia artificial) permite detectar lesións causadas pola COVID-19 mediante a análise de imaxes de tomografía axial computerizada do tórax. O sistema, descrito nun traballo que publica a revista Computers in Biology and Medicine, desenvolvérono investigadores da Universitat de Barcelona, do Centro Tecnolóxico de Cataluña (Eurecat) e do Centro de Visión por Computador.

A investigación «permitiu constatar a eficiencia do sistema como ferramenta de apoio na toma de decisións dos profesionais sanitarios no seu labor de detección da COVID-19, e para medir a gravidade, a extensión e a evolución da pneumonía causada polo SARS-CoV-2, tamén a medio e longo prazo», afirma o investigador principal do estudo, Giuseppe Pezzano, investigador da UB e da Unidade de Dixital Health de Eurecat.

En concreto, o funcionamento do sistema consiste en «unha primeira fase de segmentación dos pulmóns a partir da imaxe TAC para reducir a área de procura», explica Pezzano. «Posteriormente, utilízase un algoritmo para analizar a área dos pulmóns e detectar a presenza da COVID-19. En caso de resultado positivo, a imaxe procésase para identificar as áreas afectadas pola enfermidade», engade.

O algoritmo probouse con 79 volumes e 110 seccións de TAC nos que se detectou infección por SARS-CoV-2, obtidos en tres repositorios de imaxes de acceso libre. De media, conseguiuse unha precisión para a segmentación de lesións causadas polo virus de case o 99%, e non se observou ningún falso positivo durante a identificación.

O método desenvolvido usa unha forma innovadora de calcular a máscara da segmentación das imaxes médicas que tamén deu moi bos resultados na segmentación de nódulos nas imaxes de tomografías.

Recentemente, «publicáronse traballos que mostran que a combinación de algoritmos de aprendizaxe profunda e visión por computador logrou unha precisión mellor que a dos expertos médicos ao detectar cancro en mamografías ou predicir ictus e ataques ao corazón», explica Petia Radeva, catedrática do Departamento de Matemáticas e Informática da UB. «Nós non podiamos quedarnos atrás e desenvolvemos esta tecnoloxía para axudar aos médicos para combater a COVID-19 ofrecéndolles algoritmos de alta precisión para analizar imaxes médicas de maneira obxectiva, transparente e robusta», engade a experta, que tamén é xefa do Grupo de Investigación Consolidado Computer Vision and Machine Learning da UB e investigadora principal do Centro de Visión por Computador.

«Este tipo de sistema automatizado é unha ferramenta moi importante para que os profesionais da saúde poidan realizar diagnósticos máis robustos e precisos, xa que é capaz de dar información que a un ser humano non lle é posible medir», subliña Oliver Díaz, profesor do Departamento de Matemáticas e Informática da UB. Segundo Vicent Ribas, xefe da liña de investigación en Analítica de Datos en Medicina da Unidade de Dixital Health de Eurecat, «a precisión da ferramenta desenvolvida, que os resultados do estudo mostran, abre as portas para usala para outras aplicacións en saúde, un campo no que o emprego de intelixencia artificial é cada vez máis útil».

Fonte: Universitat de Barcelona

Empregamos cookies de terceiros para xenerar estatísticas da audiencia (GOOGLE ANALITICS), para o traductor de idiomas (GOOGLE), acollido a “Privacy Shield”.
Se continuas navegando estarás aceitando o seu emprego. Aceptar | Mais información
Confederación Intersindical Galega - Miguel Ferro Caaveiro 10, Santiago de Compostela Versión anterior da páxina Foros Biblioteca Privacidade RSS