Machine learning para clasificar neumonías

Dentro del sector de la Inteligencia Artificial (IA) se está llevando a cabo diversos métodos que puedan ayudar a los pacientes que tienen síntomas de Covid-19. Siendo que la neumonía es uno de los síntomas más mortales cuando se contagia de coronavirus, era necesario que científicos del Consejo Superior de Investigaciones Científicas (CSIC) se pusieran a trabajar y realizarán un sistema con IA para poder clasificar neumonías.

Pero la manera en cómo nació este proyecto fue a partir de la creación de un proyecto de implantación de técnicas de machine learning que tiene como objetivo diagnosticar el cáncer de mama mediante mamografías. Y la creación de esta sistema con machine learning dio buenos resultados que terminó por ser aprobado y usado clínicamente.

De manera que a partir de este proyecto los científicos decidieron aplicar casi el mismo método pero en un proyecto que se encargará de clasificar las neumonías y que se pudiera ver a través de un análisis de imágenes médicas (radiografías o TAC).

A poner a trabajar el algoritmo

Así que las primeras fases para el desarrollo de este lector de neumonías está siendo trabajado con la colaboración de investigadores y expertos en patologías víricas y de imagen de FISABIO y de radiólogos adscritos al Instituto de Biomecánica de Valencia (IBV) y en el caso de las radiografías se cuenta con el apoyo de los investigadores del IFIC y la UPV con FISABIO en el proyecto DIRAC (Diagnóstico Inteligente para Radiografías con implementación en Circuito integrado).

“Estamos muy satisfechos de que esta colaboración con la Universitat Politècnica de València y FISABIO tenga este reconocimiento por el Instituto de Salud Carlos III después de varios años dedicados al trabajo clínico con sistemas de Machine Learning”, manifiesta Francisco Albiol Colomer, investigador del CSIC en el IFIC y participante en el proyecto, junto con Luis Caballero Ontanaya y Salvador Tortajada Velert.

Pero para no quedarse cortos en cuanto a la lectura de radiografías se ha decidido que el grupo sea más extenso y haya más radiólogos que faciliten la interpretación clínica a los algoritmos.

[contact-form][contact-field label=»Nombre» type=»name» required=»true» /][contact-field label=»Correo electrónico» type=»email» required=»true» /][contact-field label=»Web» type=»url» /][contact-field label=»Mensaje» type=»textarea» /][/contact-form]