El equipo de investigación pertenece a la Universidad de Warwick, al King’s College de Londres, a la Universidad Queen Mary, a la Universidad de Cambridge, a los Hospitales Universitarios de Coventry y Warwickshire, Hospitales Universitarios de Birmingham
y al Guy’s and St Thomas’ NHS Foundation Trust
X-Raydar es capaz de detectar un total de 37 hallazgos radiológicos anormales con una simple prueba de imagen.
La radiografía de tórax es uno de los procedimientos de imagen más habituales para el diagnóstico de numerosas enfermedades, especialmente de naturaleza cardíaca y pulmonar.
Tal y como recoge la Clínica Mayo, los rayos X de tórax producen imágenes del corazón, los pulmones, los vasos sanguíneos, las vías respiratorias y los huesos del tórax y de la columna vertebral, y pueden revelar tanto la presencia de líquidos dentro de los pulmones como de aire y líquido a su alrededor.
Esta prueba de imagen ofrece una alta eficacia diagnóstica a un coste relativamente asequible, tiene una baja carga de radiación y su adquisición es sencilla.
Es más, la OMS la ha recomendado como cribado estratégico de la tuberculosis, una de las principales causas de muerte por infección en todo el mundo, con más de 10 millones de casos anuales.
Triaje médico a través de Inteligencia Artificial
Con el reto de incrementar la eficacia diagnóstica de estas pruebas, un grupo de investigadores británicos ha desarrollado un sistema de redes neuronales profundas de código abierto que permite realizar lecturas completas de radiografías de tórax.
El sistema, denominado X-Raydar, emplea la Inteligencia Artificial como herramienta de triaje para comparar las pruebas con un enorme volumen de exámenes de rayos X de tórax, que se estima que representan, según la OMS, el 40% de los millones de procedimientos de imagen que se realizan cada año.
El algoritmo de Inteligencia Artificial comprueba automáticamente una radiografía de tórax para detectar la presencia de 37 hallazgos radiológicos anormales en tiempo real.
Para ello, en el proyecto se desarrollaron redes neuronales de código abierto para clasificar los resultados de miles de imágenes e informes de radiografías de tórax procedentes de seis hospitales del Reino Unido.
De un 1,5 millones de pacientes se tomaron 2,7 millones de radiografías a lo largo de un periodo de 13 años.
Interpretación automatizada de radiografías
Como resultado, los investigadores aportan un sistema de IA capaz de detectar de forma integral diferentes tipos de anomalías en las pruebas de rayos X de tórax mediante el entrenamiento de un algoritmo con miles de datos procedentes de bases de datos de rayos X en el Reino Unido.
Los investigadores partieron de las potencialidades que ofrece la Inteligencia Artificial a la hora de interpretar de forma automatizada radiografías de tórax para obtener informes estándar y reducir los retrasos en sistemas sanitarios que cuenten con escasez de radiólogos especializados.
En el 2016, países como Kenia, con 43 millones de habitantes, solo contaban con 200 radiólogos, mientras que Liberia solo contaba con dos.
Además, han conseguido que el sistema sea de libre acceso y esté entrenado con grandes conjuntos de datos para que los profesionales puedan cotejarlos con sus propias pruebas de imagen.
Rendimiento óptimo de diagnóstico
Los dos algoritmos diseñados específicamente para este sistema obtuvieron un resultado medio en la curva AUC para pruebas diagnósticas de 0,919, cifra que supone un rendimiento similar al registrado por radiólogos clínicos en el hallazgo de resultados clínicamente importantes, como neumotórax, opacificación parenquimatosa, y masa parenquimatosa o nódulos.
Los resultados que ha arrojado este estudio revelan que la clasificación automatizada de las radiografías de tórax en función de las diferentes patologías puede resultar similar a la que se obtiene de forma convencional y ofrecer resultados óptimos.
Asimismo, ofrece nuevos datos sobre cómo las redes neuronales de código abierto pueden servir como modelos básicos para futuras investigaciones y están disponibles de forma gratuita para la comunidad investigadora.
Los programas de inteligencia artificial en Radiología mejoran la práctica clínica de los profesionales y la hacen más segura.
Hospital Universitario Quirón Salud
El “Servicio de Diagnóstico por la Imagen del Hospital Universitario Quirónsalud Madrid” tiene clara su utilidad, por lo que está incorporando esta herramienta cada vez a más tipos de imágenes.
En la actualidad existen cuatro áreas en las que ya se trabaja diariamente con inteligencia artificial en el análisis de imágenes: Urgencias, mamografías, resonancias cardíacas y tomografías computarizadas pulmonar y cerebral.
La primera es Urgencias, donde un algoritmo de inteligencia artificial analiza todas las radiografías óseas y de tórax para ayudar a los médicos de Urgencias a detectar cualquier fractura (incluso las más sutiles) y las placas de tórax en busca de nódulos pulmonares, condensaciones, derrames o fracturas costales.
«El software que estamos utilizando posee una sensibilidad similar a la de un radiólogo experto y superior a la de un médico no formado específicamente en el análisis radiológico.«, explicó el Dr. Vicente Martínez de Vega, jefe del Servicio de Diagnóstico por la Imagen del Hospital Universitario Quirónsalud Madrid.
Mamografía y la I.A.
En el análisis mamográfico, el programa de IA analiza mamografías y ecografías, detecta lesiones sospechosas y ofrece un índice de riesgo de cáncer.
«Estos análisis se realizan de forma automática. No evitan que el radiólogo deba seguir analizando la prueba, pero permiten que los más expertos puedan dedicarse solo a valorar las pruebas más complejas», explica del Dr. Martínez de Vega.
«Estas IA se han entrenado analizando millones de imágenes en las que han estudiado muchas características: microcalcificaciones, densidades asimétricas, márgenes especulados, entre otras. Clasifican toda esta información y nos ofrecen un análisis muy fiable».
Tomografía computarizada y la I.A.
La nueva tomografía computarizada Photon Counting también ofrece herramientas de IA que permiten análisis instantáneos de presencia de nódulos pulmonares o derrames cerebrales.
«Este escáner detecta automáticamente si existen nódulos pulmonares. Si observa su presencia envía la prueba marcada al radiólogo que debe confirmar su presencia. Lo mismo hace con las tomografías computarizadas cerebrales; si detecta una hemorragia, alerta a los especialistas».
Resonancia magnética y la I.A
La IA también es muy útil en el análisis de resonancia magnética cardiaca.
Ofrece a los radiólogos una secuencia de imágenes denominadas 4D flow que permiten valorar el flujo sanguíneo de cualquier vaso en tres dimensiones durante un ciclo cardiaco.
«Gracias a esta herramienta podemos estudiar la dirección y el volumen de flujo, de los vasos, la velocidad pico, gradientes de presión y la fracción de regurgitación de una forma muy visual y cuantificable. Ayudando, así, a estudiar fácilmente patologías como la comunicación interauricular, la interventricular, los ductus arteriosos, cualquier patología valvular, las afecciones de la aorta, como los aneurismas o las disecciones, y las malformaciones congénitas.
En opinión del Dr. Martínez de Vega, cada vez será más común el uso de estas herramientas:
«Hasta hace no mucho tiempo un escáner de tórax estaba compuesto por 50 imágenes, ahora tiene 1.200. Ningún radiólogo puede analizar tantas imágenes, necesitamos que la IA nos ayude”.
