Algoritmo detecta casos de COVID-19 a partir de imágenes oculares: preimpresión
ARRIBA: Regiones oculares analizadas por la herramienta basada en inteligencia artificial para detectar posibles infecciones por coronavirusYANWEI FU
Los científicos describen un posible método de detección de COVID- 19 basado en imágenes oculares analizadas por inteligencia artificial. Al escanear un conjunto de imágenes de varios cientos de personas con y sin COVID-19, la herramienta diagnosticó con precisión las infecciones por coronavirus más del 90 por ciento de las veces, informaron los desarrolladores en una preimpresión publicada en medRxiv  ;10 de septiembre.
Nuestro modelo es bastante rápido, dice a The Scientist Yanwei Fu, científico informático de la Universidad de Fudan en Shanghái, China, que dirigió el estudio. . En menos de un segundo puede verificar los resultados.
Actualmente, la detección de la infección por coronavirus implica imágenes de tomografía computarizada de los pulmones o análisis de muestras de la nariz o la garganta, los cuales toman tiempo y requieren esfuerzo profesional. Un sistema basado en unas pocas imágenes de los ojos que podrían clasificar o incluso diagnosticar a las personas ahorraría tanto en costos como en tiempo, dice Fu. Pero la investigación del equipo de Fus es preliminar y tanto los oftalmólogos como los especialistas en IA dicen que les gustaría ver mucha más información sobre la técnica y su rendimiento antes de estar convencidos de que podría funcionar.
Voluntarios en el Centro Clínico de Salud Pública de Shanghái en Fudan cada uno se tomaron cinco fotos de sus ojos con cámaras CCD o CMOS comunes. De 303 pacientes, 104 tenían COVID-19, 131 tenían otras afecciones pulmonares y 68 tenían enfermedades oculares. Una herramienta de red neuronal extrajo y cuantificó las características de diferentes regiones del ojo y un algoritmo reconoció las características oculares de cada enfermedad. Una red neuronal es una serie de algoritmos para resolver problemas de IA, aprendiendo a medida que avanza de una manera que imita el cerebro humano. Luego, los investigadores llevaron a cabo un experimento de validación en un pequeño conjunto de datos de personas sanas, pacientes con COVID-19, pacientes pulmonares y pacientes oculares.
De 24 personas con infecciones confirmadas por coronavirus, la herramienta diagnosticó correctamente 23, Fu le dice a El Científico. Y el algoritmo identificó con precisión a 30 de 30 personas no infectadas.
Las infecciones por coronavirus, no solo las causadas por el SARS-CoV-2, han estado asociadas durante mucho tiempo con el ojo, causando inflamación de la membrana transparente que cubre el dentro del párpado y la parte blanca del globo ocular, una afección llamada conjuntivitis u ojo rosado. Los ojos también ofrecen una vía de infección para los virus respiratorios, incluidos los coronavirus.
El coronavirus humano NL63, que provoca los síntomas del resfriado común, se identificó por primera vez en 2004 en un bebé con bronquiolitis y conjuntivitis. Estudios posteriores demostraron que una minoría de los niños infectados con este coronavirus padecen esta afección ocular.
Aunque la conjuntivitis sigue siendo un síntoma potencial de las infecciones por coronavirus, menos del 5 % de los pacientes con COVID-19 presentan síntomas oculares. señala Daniel Ting, oftalmólogo del Centro Nacional del Ojo de Singapur, que ha publicado sobre este tema y el aprendizaje profundo en oftalmología. Si busca desarrollar un sistema de IA para detectar COVID-19 basado en [número limitado de] imágenes oculares, creo que el rendimiento no será muy bueno, especialmente dada la baja prevalencia de síntomas oculares. También duda del rendimiento del algoritmo porque muchas manifestaciones oculares podrían deberse a razones distintas a la COVID-19.
Ting advierte que el tamaño de la muestra de 303 pacientes y 136 individuos sanos en el estudio de Shanghái es demasiado pequeño para sacar conclusiones sólidas. Desarrollar un buen sistema de aprendizaje profundo para detectar automáticamente algunas características únicas de cualquier imagen médica requiere más pacientes, dice. Para aumentar la confiabilidad de este estudio, el mismo tamaño debería multiplicarse por al menos diez veces, es decir, miles de pacientes.
Fu ha comenzado por este camino, aumentando el número de participantes y ampliando los tipos de materias. Ahora estamos haciendo más pruebas doble ciego en los hospitales, con pacientes, algunos con enfermedades oculares, dice. El grupo también tiene previsto introducir una plataforma de detección en línea que utilice el algoritmo para detectar la COVID-19.
Como oftalmólogo, sería muy sorprendente que existiera un patrón de conjuntivitis viral de la COVID distinto a otros similares. formas de conjuntivitis viral, escribe el oftalmólogo Alastair Denniston, director del Health Data Research Hub for Eye Health en Birmingham, Reino Unido, en un correo electrónico a The Scientist. Esto es diferente a construir un algoritmo para condiciones que son biológicamente más distintas como la degeneración macular, escribe.
Señala que si hubiera un patrón único evidente en los casos de COVID-19, entonces la comparación para el entrenamiento y las pruebas debe estar en contra de casos que parecen similares, como la conjuntivitis viral no COVID-19 u otras causas de ojos rojos asociados con resfriados causados por adenovirus o rinovirus. También critica el documento por no proporcionar la descripción necesaria para criticar realmente la ciencia en términos de cómo construyeron e (intentaron) validar el modelo.
Denniston revisó recientemente más de 20 000 estudios de IA sobre la detección de enfermedades a partir de imágenes médicas, pero descubrió que menos del 1 por ciento eran lo suficientemente sólidos en su diseño e informes como para que los revisores independientes tuvieran mucha confianza en sus afirmaciones. Esto lo llevó a convocar a un grupo de expertos para definir los estándares internacionales para el diseño y reporte de ensayos clínicos de sistemas de IA. Estos estándares se publicaron este mes en Nature Medicine, The BMJ, y Lancet Digital Health y cuentan con el respaldo de revistas médicas líderes.
El estudio de Shanghai tiene algunas aplicaciones potencialmente controvertidas, incluso si la IA funciona. Su algoritmo podría usarse en lugares públicos, dice Fu, aunque esto generaría preocupaciones sobre la privacidad de los datos en muchos países. En China, por ejemplo, tenemos muchas cámaras de alta resolución en todas partes, señala. En aeropuertos o estaciones de tren, podríamos usar estas cámaras de vigilancia para revisar los ojos de las personas. El programa sería más preciso si las personas miraran directamente a la cámara, pero Fu dice que mientras nuestra cámara pueda observar claramente la región de los ojos, sería lo suficientemente bueno.
Evaluar al público sin consentimiento expreso usando este algoritmo estaría prohibido en algunas partes del mundo. En Europa, esto sería muy problemático y muy probablemente ilegal, en violación de la Carta de los Derechos Fundamentales de la UE y la legislación general de protección de datos, dice el científico informático Barry OSullivan de University College Cork en Irlanda, experto en IA. La recopilación de datos de salud y datos biométricos en Europa requiere consentimiento.
OSullivan se hace eco de la preocupación de que el documento se queda corto en detalles con respecto a su metodología. Es una hipótesis interesante, dice. Pero, tal como está escrito actualmente, no está listo para su publicación en una revista de aprendizaje automático, concluye.