La Radiómica es una técnica que consiste en la extracción de una gran cantidad de datos cuantificables no visibles al ojo humano, están contenidos en las imágenes obtenidas por la Tomografía Axial Computarizada, conocido como TAC, y la Tomografía Computarizada por Emisión de Fotón Simple, cuyo acrónimo es SPECT, entre otras.
Es uno de los grandes avances de los últimos tiempos en el diagnóstico radiológico del cáncer.
En el caso de la Covid-19, el objetivo de usar la radiómica es diagnosticar y predecir la evolución de los pacientes con insuficiencia respiratoria grave y, en función de ello, prever qué recursos podrán ser necesarios para atenderlos, tales como respiradores, camas en las UCIs, etc.
En este caso, se utiliza la TAC para estudiar la anatomía de los pulmones, y la SPECT para conocer el estado de la circulación sanguínea en los pulmones.
La Dra. Petia Radeva, investigadora Centro de Visión por Computador (CVC) y profesora de la Universitat de Barcelona (UB), Giuseppe Pezzano, y los doctores Oliver Díaz y Vicent Ribas del Eurecat – Centro Tecnológico de Cataluña, utilizando estrategias de aprendizaje profundo o Deep Learning, han desarrollado un método automatizado para la detección y diagnóstico de la COVID-19 mediante el análisis de imágenes de TACs.
Estudiaron las áreas de mayor atenuación debidas al desplazamiento del aire, por la presencia de líquido, al colapso de las vías respiratorias y la presencia de fibrosis y otras solidificaciones dentro de los pulmones.
PROCEDIMIENTO:
En primer lugar, el método desarrollado segmenta las TAC del tórax e identifica las regiones de las imágenes en las que se encuentran los pulmones, para reducir el área de análisis, posteriormente, se aplicará el algoritmo con el fin de detectar la presencia de neumonía provocada por el SARS-CoV-2, en caso de un hallazgo positivo, la imagen del TAC se procesará para identificar las áreas afectadas por la enfermedad.
“En una TAC del tórax no aparecen solo los pulmones, aparecen otras estructuras, como las costillas, y órganos, como el corazón, no siendo de interés cuando queremos estudiar la presencia de infección pulmonar por COVID-19¨.
¨Lo que nuestro método hace es identificar las regiones en donde aparece el pulmón, obviando todo lo demás, con lo cual el área que el algoritmo tiene que estudiar para determinar si hay infección por COVID-19 es menor, permitiendo que el análisis se haga de una manera más rápida y eficiente”, mencionan los investigadores.
Los muy prometedores resultados de este estudio han sido publicados a finales de agosto en la revista Computers in Biology and Medicine.
La hipótesis de partida, añaden, es que estos datos “guardan relación con los procesos biológicos subyacentes a las imágenes radiológicas, y el análisis de los mismos, nos puede proporcionar información pronostica, es decir, cómo se comportará la infección de Covid-19, y predictiva, o lo que es lo mismo, cómo evolucionará”. En otras palabras, ver lo que el ojo humano no es capaz de ver.
Mediante la TAC se puede determinar, con gran exactitud, si los pulmones están sanos o si hay neumonía, mientras que mediante la SPECT se puede distinguir si dicha neumonía detectada por el TAC se asocia con microinfartos pulmonares.
Estos microinfartos son una de las complicaciones específicas de las neumonías por Covid-19, las cuales no se produce en neumonías bacterianas, que son las más usuales.
Si detectamos estos microinfartos a tiempo y le proporcionamos al paciente tratamientos anticoagulantes, el tejido pulmonar puede recuperarse.
Por el contrario, si estos microinfartos se detectan de forma tardía, el tejido de las áreas afectadas acabará infartándose por falta de oxígeno y el paciente tendrá lesiones vasculares del pulmón permanentes, pudiéndole ocasionar problemas respiratorios de por vida.
Antes de utilizar este algoritmo en pacientes, fue necesario probarlo con TACs obtenidos durante el año y medio de pandemia. Para ello, los investigadores utilizaron 110 cortes de y 79 volúmenes de TACs en los que se había detectado, por otras técnicas, infección por COVID-19 extraídos de tres repositorios de imágenes de acceso libre.
Los resultados obtenidos mostraron una precisión promedio para la identificación de lesiones provocadas por el SARS-CoV-2 del 98,7 %, no detectándose ningún falso positivo.
La visión por computador, técnica en la que el Centro de Visión por Computador (CVC) es un referente internacional, juega un papel clave, ya que un médico, por muy experto que sea, jamás podrá hacer un análisis tridimensional tan detallado de las imágenes como los algoritmos de Inteligencia Artificial, desarrollados por los investigadores.
El diagnóstico final siempre lo hará un médico, la Inteligencia Artificial puede ser una herramienta de soporte muy precisa, pero nunca eliminará al experto clínico.
La radiómica puede ayudar a descargar de trabajo al profesional médico, a la vez, puede facilitar la gestión hospitalaria y reducir los gastos asociados a la realización de múltiples pruebas, al poder indicar al médico qué pruebas médicas son recomendables de manera personalizada a las circunstancias del paciente.
Además, la radiómica mejora la calidad del paciente, al realizar el diagnóstico a través de imágenes, un procedimiento clínico poco invasivo y cuya adquisición forma parte del protocolo clínico habitual.
La robustez y la precisión de este trabajo abren una amplia gama de otras posibles aplicaciones de este método más allá de la COVID-19.
Este procedimiento podría adaptarse, para estudiar los casos graves de neumonía no-COVID, metástasis difusa u otras enfermedades pulmonares.
