La UA se suma a un ‘challenge’ internacional per a la detecció de COVID-19 en radiografies de tòrax

Investigadors de la Universitat d’Alacant se sumen a l’desafiament científic a nivell internacional per a la detecció de COVID-19 en radiografies de tòrax utilitzant Intel·ligència Artificial (IA). Convocat per la Fundació per al Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana (FISABIO), en col·laboració amb la Society for Imaging Informatics in Medicine (Siim), el desafiament es realitzarà en Kaggle, una plataforma que es troba a l’avantguarda de l’aprenentatge automàtic o ‘Machine Learning’ i que reuneix centenars de milers de persones expertes en desafiaments de tota índole, a nivell mundial, basats en ciència de dades.

L’equip investigador està compost per Marisa Caparrós; els data curators Joaquim Àngel Montell, José Manuel Saborit i Elena Oliver; a més d’investigadors de la Universitat d’Alacant, la Universitat Miguel Hernández, Medbravo, Serra Research i la col·laboració de General Electric. També ha col·laborat en la definició inicial de el projecte el servei tècnic de la Delegació de Protecció de Dades de la Generalitat.

IA contra la COVID-19

Els científics han recopilat dades de radiografies toràciques procedents de la Comunitat Valenciana per a generar models predictius utilitzant la IA. Aquests models són supervisats per radiòlegs especialistes, amb la finalitat de detectar de forma primerenca la pneumònia per COVID-19 en pacients amb símptomes lleus.

Igualment, permet ajudar a l’estratificació de el risc de pacients amb símptomes moderats, i ajudarà a identificar pacients amb més risc d’evolució a una condició greu o crítica. Les dades són totalment anònims, de manera que no es pugui identificar a qui pertanyen les radiografies, sinó que la informació recollida fa referència únicament a aspectes clínics.

L’objectiu és generar un conjunt de dades en obert (dataset OPEN) reconegut a nivell mundial com un dels datasets més complets i organitzats, que permeti als científics de dades treballar en desenvolupaments d’algoritmes d’Intel·ligència Artificial per elaborar models predictius i desenvolupar eines orientades a la diagnosi simple, ràpid i efectiu de la COVID-19 que, en darrer terme, ajudés a agilitzar la càrrega de treball dels professionals sanitaris.

Actualment s’han compartit més de 12.456 sessions de radiografies de tòrax pertanyents a uns 4.706 subjectes amb patologia COVID, així com més de 6.012 sessions de radiografies pertanyents a uns 4.437 pacients sans o amb diferents patologies provinents dels sistemes d’informació sanitaris de la Conselleria de Sanitat Universal i Salut Pública, que seran la base amb la qual s’iniciarà aquest desafiament científic.

Fins ara la resposta ha estat molt positiva, amb descàrregues des de tots els continents i amb un ampli reconeixement a nivell mundial. Per a això, ha estat fonamental la col·laboració de el Centre d’Investigació Príncep Felip (CIPF) i de el Barcelona Supercomputer Center (BSC-CNS) que ha proporcionat una instància de B2DROP per a la distribució d’aquest treball. B2DROP és part dels serveis d’infraestructura de dades col·laboratius de EUDAT.

En aquest moment, l’equip de radiòlegs de l’Hospital Sant Joan d’Alacant liderat pel seu cap de servei doctor Joaquín Galán, juntament amb la doctora Aurelia Bustos es troben realitzant un etiquetatge previ necessari per preparar les dades de manera que els científics puguin realitzar bons models predictius.

En la construcció de l’dataset BIMCV-COVID-19, que es pot descarregar a través de l’enllaç, s’han tingut en compte els quatre principis fonamentals FAIR per al maneig de dades científiques: capacitat de recerca, accessibilitat, interoperabilitat i reutilització.

És important destacar que la intenció de l’equip investigador és que els principis s’apliquin no només a les dades en el sentit convencional, sinó també als algoritmes, eines i fluxos de treball. L’aplicació d’aquests principis a totes les fases del procés d’investigació garanteix la transparència, la reproductibilitat i la reutilització.

Finalment, cal destacar que en breu es va a incorporar aquest dataset com un nou cas d’ús per a l’avaluació de les llibreries europees (EDDL & ECVL) que s’estan desenvolupant dins de el marc de el projecte europeu DeepHealth.

Informació i Foto: Universitat Alacant

noticiesdigitals

Leave a Reply

Aquest lloc utilitza Akismet per reduir els comentaris brossa. Apreneu com es processen les dades dels comentaris.

%d bloggers like this: