Hasta ahora, el método más utilizado para detectar Covid-19 se realiza a través de pruebas (RT-PCR). Sin embargo, existe un problema: son costosas, los resultados son lentos y tienden a dar falsos negativos. Por ello, las tomografías computarizadas y las radiografías de tórax desempeñan un papel en la detección y el tratamiento de infecciones contagiosas, especialmente cuando la RT-PCR arroja un resultado negativo. Lo conseguido por una IA promete cambiarlo todo.

Tal y como cuentan los investigadores de la Universidad Tecnológica de Sydney (UTS), han desarrollado un algoritmo de inteligencia artificial basado en aprendizaje profundo que analiza automáticamente las radiografías de tórax para detectar rápidamente la infección por COVID-19, y lo han conseguido con más del 98% de precisión, distinguiendo entre radiografías normales y de personas con neumonía, un hito de la tecnología, ya que la neumonía a menudo se presenta con los mismos síntomas que el COVID.

En su trabajo recientemente publicado en Nature, recuerdan que la ciencia se apoya en estas radiografías porque el Covid deja una especie de firmas o señales particulares en las radiografías de tórax. Estas marcas se utilizan precisamente para diagnosticar la infección por el virus. 

El problema: examinar con detenimiento las radiografías en busca de señales de infección lleva demasiado tiempo y, debido a que depende del ojo humano, puede no siempre ser exacto. Este fue el punto de partida del equipo, tratando de que la IA agilizara el proceso de diagnóstico. Según los autores:

La prueba de COVID-19 más utilizada, la reacción en cadena de la polimerasa (PCR) en tiempo real, puede ser lenta y costosa y producir falsos negativos. Para confirmar un diagnóstico, los radiólogos deben examinar manualmente tomografías computarizadas o radiografías, lo que puede llevar mucho tiempo y ser propenso a errores.

A todo ello se suma otro problema derivado de la naturaleza de la infección. A menudo, los síntomas de Covid pueden confundirse con otras infecciones virales respiratorias, como la gripe o la neumonía. 

En cuanto al algoritmo “entrenado”, el estudio cuenta que desarrollaron uno basado en aprendizaje profundo al que denominaron Red neuronal convolucional personalizada (Custom-CNN), diseñado específicamente para diagnosticar Covid. Para ello, utilizaron dos conjuntos de datos de rayos X de tórax con los que probar y entrenar el modelo de IA. 

Los conjuntos de datos comprendían tres categorías de imágenes de radiografías de tórax: normal, positivos en coronavirus y neumonía viral. Para entrenar el modelo se utilizó el 80% del total de imágenes, mientras que el 20% se reservó para pruebas.

Lo más sorprendente de todo fue el resultado, ya que demostraron que el modelo logró una precisión de clasificación del 98,19 % en su clasificación de muestras de imágenes de Covid, normales y de neumonía. Al comparar los resultados del modelo con los obtenidos utilizando otros modelos, Custom-CNN los superó a todos con amplitud. Tal y como explican:

El aprendizaje profundo ofrece una solución de un extremo a otro, eliminando la necesidad de buscar biomarcadores manualmente. El modelo Custom-CNN agiliza el proceso de detección, proporcionando un diagnóstico más rápido y preciso de COVID-19. El nuevo sistema de IA podría ser particularmente beneficioso en países que experimentan altos niveles de COVID-19 y donde hay escasez de radiólogos.

Dicho de otra forma, lo conseguido puede suponer una revolución en los diagnósticos tempranos de Covid (o neumonía), con un margen de error ínfimo, pudiendo así garantizar y agilizar los tratamientos correctos de los pacientes, los cuales se ha demostrado que funcionan mejor durante los primeros días a la aparición de los síntomas.