El Grupo de Sistemas y Tecnologías Ultrasónicas (GSTU-ITEFI) del Instituto de Tecnologías Físicas y de la información, perteneciente a la Conexión AIHUB, ha publicado los resultados preliminares del estudio ULTRACOV, sobre el uso de Inteligencia Artificial para el diagnóstico y seguimiento de la enfermedad COVID-19 mediante ecografía de pulmón.

El artículo «Artificial Intelligence and Democratization of the Use of Lung Ultrasound in COVID-19: On the Feasibility of Automatic Calculation of Lung Ultrasound Score» ha sido escrito por Jorge Camacho, Mario Muñoz, Vicente Genovés, Joaquín L. Herraiz, Ignacio Ortega, Adrián Belarra, Ricardo González, David Sánchez, Roberto Carlos Giacchetta, Ángela Trueba-Vicente and Yale Tung-Chen.

Existe consenso en que la ecografía de pulmón a pie de cama del paciente es una herramienta de gran valor para el diagnóstico y seguimiento en pacientes con COVID-19, por ser inocua, muy específica y poder realizarse a la cabecera de la cama del paciente. Sin embargo, se trata de una técnica poco extendida todavía, debido principalmente a que la interpretación de las imágenes de pulmón es compleja y a la falta de personal con formación específica. Además, en un contexto de pandemia, la ecografía con equipos convencionales entraña un mayor riesgo de contagio para el examinador que otras técnicas como la radiografía de tórax y la tomografía computarizada, para lo que sería fundamental minimizar la duración del examen y simplificar su ejecución.

El objetivo del proyecto ULTRACOV es el desarrollo de un ecógrafo orientado a la detección temprana y el seguimiento de la enfermedad COVID-19, concebido especialmente para situaciones de pandemia y elevada presión asistencial. Mediante herramientas interactivas de inteligencia artificial que simplifiquen la realización del examen y la interpretación de las imágenes, y un diseño orientado a la operación en condiciones de alto riesgo (fácil desinfección, ergonomía, etc.) se pretende extender la ecografía de pulmón a un mayor número de profesionales y servicios, desde atención primaria hasta cuidados intensivos.

El uso de la Inteligencia Artificial en el diagnóstico de enfermedades

Los algoritmos desarrollados combinan Inteligencia Artificial y Procesamiento de Imagen con dos objetivos: Guiar al médico durante el examen y detectar la presencia de neumonía por COVID-19. En primer lugar, un algoritmo de IA indica, en tiempo real, si la posición de la sonda y la región del tórax examinada son correctas. Este paso es vital, dado que previamente a evaluar una imagen, hay que confirmar si fue adquirida correctamente. Una vez validada la posición de la sonda, un segundo algoritmo analiza 3 segundos de video para detectar y cuantificar los signos de la neumonía: Líneas B, consolidaciones y derrames pleurales. Del análisis de las 12 zonas del tórax se obtiene un índice entre 0 y 36 puntos (lung score) que indica la gravedad del paciente.

La ecografía es una técnica rápida e inocua que puede realizarse a pie de cama del paciente y en atención primaria o domiciliaria. Sin embargo, su aplicación a pulmón no está muy extendida, debido a que la interpretación de las imágenes es compleja. La innovación de ULTRACOV es proporcionar al personal sanitario con menos experiencia, un ecógrafo inteligente capaz de simplificar el examen de pulmón. El objetivo final es extender la técnica a más especialistas en todos los niveles asistenciales.

En este sentido, el impacto en la capacidad del sistema sanitario para el manejo de los pacientes COVID-19 sería muy positivo, ya que se trata de una herramienta muy específica para la evaluación de la condición pulmonar en todas las etapas de la enfermedad, incluidos los potenciales problemas crónicos a medio y largo plazo. Además, sería de utilidad para el diagnóstico y manejo de pacientes con otras patologías de pulmón, potencialmente graves en determinados colectivos (pacientes pediátricos, embarazadas, etc.).

En el proyecto participan el Instituto de Tecnologías Físicas y de la Información del CSIC, el Grupo de Física Nuclear de la UCM, el Hospital Universitario Puerta de Hierro Majadahonda, el Hospital de Emergencias Enfermera Isabel Zendal y la empresa DASEL SL. La iniciativa cuenta con financiación de CDTI (COI-20201153), Google Cloud Research Credits (GCP19980904), MCIU/AEI/FEDER UE (RTI2018-099118-A-I00) y los Fondos Europeos NextGenerationEU a través de la Plataforma Temática Interdisciplinar PTI Salud Global del CSIC.

En la fotografía, de izquierda a derecha: Ricardo González (DASEL SL), Ángela Trueba-Vicente (H. Enfermera Isabel Zendal), Jorge Camacho (CSIC), Yale Tung (H. U. Puerta de Hierro Majadahonda), Joaquín López-Herraiz (UCM)

Utilizamos cookies en este sitio para mejorar su experiencia de usuario. Más información. ACEPTAR

Aviso de cookies