Detecció precoç de la COVID-19 amb l'anàlisi intel·ligent d'imatges de raigs X

Pulmons
istockphoto_mr.suphachai-praserdumrongchai

Investigadors del CVC, la Unitat de suport a la recerca Metropolitana Nord i l'IDIAP Jordi Gol, proposen un mètode novell per a la diagnosi primerenca i seguiment dels pacients amb COVID-19 amb anàlisi d'imatges de raigs X, per a incrementar l'eficiència en centres de salut d’atenció primària.

12/06/2020

Amb quasi 6 milions de casos confirmats de COVID-19 al món a data de la publicació d'aquesta notícia, els principals esforços de totes les nacions han estat per treballar de forma activa en la cerca d'eines que puguin ajudar en la lluita contra la pandèmia que ha posat el fre a la nostra societat moderna i ha paralitzat les nostres economies. La investigadora del CVC Debora Gil i el seu equip, compost per Aura Hernàndez, Carles Sànchez i Katerine Díaz, investigadors sèniors del Centre de Visió per Computador i professors de la Universitat Autònoma de Barcelona (UAB), han estat treballant de forma activa dins l'àrea de la imatge mèdica durant els últims vint anys, amb un focus clar en el sistema pulmonar, i ara, hi han coordinat coneixement i esforços  cap a una diagnosi precoç i efectiva de la COVID-19.

Experiments preliminars mostren que el cribatge de COVID-19 amb l'ús de raigs X és factible. En comparació amb altres metodologies, la precisió del model clàssic proposat pels investigadors del CVC aconsegueix una mitjana de precisió del 90% o més en la identificació d'imatges de raigs X, distingint-les d’altres tipus de pneumònia. "El que hem vist", declara Gil, primera signant de l'estudi, "és que la nostra aproximació té millors resultats que altres metodologies més modernes, com aquelles basades en aprenentatge profund (Deep Learning)”. En un projecte conjunt amb investigadors de la Unitat de Suport a la Recerca Metropolitana Nord de l’Institut Català de la Salut i l’IDIAP Jordi Gol, s’intentarà en els següents mesos testar el model amb dades de la pràctica clínica habitual. Amb aquest objectiu s’ha preparat un conveni de col·laboració entre ambdues institucions.

Els resultats indiquen que hi ha la possibilitat de diferenciar la COVID-19 d'altres patologies al pulmó amb l'ús d'imatges obtingudes de raigs X, i per tant, optimitzar el testatge per PCR als centres d'atenció primària. "Tot i això", afegeix Debora Gil, "la COVID-19 és fàcilment confusible amb infiltracions pulmonars, i per tant, necessitem més dades clíniques de cara a entrenar un model més eficient". La metodologia proposada per la doctora Gil i el seu equip, presentat en aquest recent article científic, ha estat capaç de detectar un total de 90 casos de COVID-19 amb menys d'un de cada cinc casos malinterpretats per l'algorisme.

"Amb aquest estudi, el que hem detectat és que l'extracció d'informació de les imatges de raigs X amb visió per computador és possible per a la detecció prematura de la malaltia", assevera Aura Hernàndez, co-autora de l'article. L'objectiu de l'equip és ara compilar una base de dades estandarditzada de la COVID-19 en imatges de raigs X i així entrenar pròpiament el model. "Amb aquesta informació", ressalta Hernàndez, "l'objectiu és classificar imatges de raigs X i per tant discriminar la COVID-19 d'altres tipus de pneumònies i afeccions del pulmó. Això ens portaria a una eina de cribratge que podria ser facilitada a centres de salut d'atenció primària i per tant l'accés a una diagnosi primerenca de la patologia”.

A més a més, el projecte té un tercer objectiu. Tal com explica Carles Sànchez, membre de l’equip i co-autor, la diagnosi és clau, però el monitoratge és essencial si es vol seguir amb detall l’evolució del pacient. “Necessitem identificar de forma molt prematura les fases normals i anormals de les imatges de raigs X amb infiltracions, així com patrons de progressió visual que poden ser característics de la COVID-19 per a predir les possibles complicacions que poden necessitar hospitalització”, explica el doctor Sànchez.

La part central del projecte és l’ús d’imatges de raigs X i no escàners CT de tòrax per a la diagnosi primerenca de la malaltia pulmonar. Els escàners proveeixen una elevada sensibilitat per a la diagnosi de la COVID-19, tal com indiquen treballs anteriors. No obstant això, els escàners CT són altament costosos i hi ha una dificultat logística de cara a proveir cribratge massiu a un nombre elevat de pacients. Els escàners de raigs X, en canvi, poden fer-se servir o incorporar a la majoria de centres d’atenció primària de salut i poden aportar un mètode de triatge ràpid i assequible.

"Els algorismes de machine learning (d'aprenentatge de les màquines) aplicades a imatge mèdica ens poden donar una anàlisi intel·ligent d'imatges de raigs X", explica Katerine Díaz, quart membre de l'equip i co-autora de l'article científic, "el nostre estudi preliminar ho demostra. Ara, necessitem trobar els recursos, i sobretot, les dades, de cara a continuar i desenvolupar aquest projecte, que encara està en una fase molt inicial". Amb el seu model, l'equip d'investigació obre la finestra a explorar aquesta metodologia i així desenvolupar una sèrie d'eines intel·ligents aplicades a la imatge mèdica que podrien ajudar als professionals de salut pública en la seva resposta a la pandèmia actual. A més a més, estarien assentant les bases per a una sèrie de models entrenats que podrien ser fàcilment adaptats a altres patologies pulmonars que poden aparèixer en un futur.

Referència:
D. Gil, K. Díaz-Chito, C. Sánchez, A. Hernández-Sabaté (2020): Early Screening of SARS-CoV-2 by Intelligent Analysis of X-Ray Images. [Pre-Print en Arxiv].https://arxiv.org/abs/2005.13928

 

 

Aquesta notícia s'emmarca dins dels següents ODS

  • Salut i benestar
  • Aliança pels objectius
 

Notícies relacionades

Vídeo promocional de la Cursa Solidaria de la UAB 2020, en suport a la Marató de TV3

Arriba la Cursa solidària de la UAB, amb un nou format

Totes les notícies