La herramienta de IA les da a los médicos una nueva mirada a los pulmones en el tratamiento de la COVID-19

Los investigadores de Princeton han desarrollado una herramienta de diagnóstico que utiliza la IA para analizar las radiografías de tórax en busca de daño pulmonar por la COVID-19. La herramienta podría ayudar a los médicos a clasificar a los pacientes y asignar mejor los escasos recursos. Crédito: Universidad de Princeton

Estimulados por la pandemia de COVID-19, los investigadores de Princeton han desarrollado una herramienta de diagnóstico para analizar las radiografías de tórax en busca de patrones en los pulmones enfermos. La nueva herramienta podría brindar a los médicos información valiosa sobre la condición de un paciente, de manera rápida y económica, en el punto de atención.

Jason Fleischer, profesor de ingeniería eléctrica e investigador principal del proyecto, dijo que se inspiró para crear la herramienta después de leer sobre la devastadora variedad de ataques de la COVID-19. A medida que los hospitales se llenan de pacientes, los médicos han observado dos tipos básicos de daño pulmonar, uno más potencialmente mortal que el otro. El tratamiento puede diferir entre los tipos, por lo que distinguir los dos podría mejorar la atención y asignar mejor los escasos recursos.

Si bien los métodos de diferenciación actuales implican procedimientos costosos y lentos, como las tomografías computarizadas (TC), la máquina de Fleischer modelo de aprendizaje observa una imagen de rayos X simple y encuentra patrones que son demasiado sutiles incluso para el ojo humano experto. Esta herramienta brindaría a los médicos una nueva medida para determinar el tipo y la gravedad de la neumonía por COVID-19. Y el proceso, sobre el terreno, es simple.

«Es importante destacar que no hay cambios en la práctica», dijo Fleischer. «El técnico no tiene que hacer nada diferente. Los hospitales no tienen que hacer ningún procedimiento nuevo. Con las radiografías que ya tienen y que se toman de forma rutinaria, podemos darles esta información adicional».

Fleischer y El estudiante de posgrado Mohammad Tariqul Islam publicó un documento que detalla su trabajo en medrxiv (pronunciado med archive), un servidor para que los científicos compartan resultados en forma de borradores iniciales mientras un artículo se somete al proceso editorial formal. En el momento de escribir este artículo, el artículo de Fleischer «Distinting L and H phenotypes of COVID-19 using a single-ray-ray image» aún no ha sido revisado por pares.

«Las exploraciones de rayos X individuales no No tiene el tipo de resolución que tiene la tomografía de rayos X», dijo Kimani Toussaint, experta en bioimágenes y profesora de ingeniería en la Universidad de Brown, que no participó en el estudio. Dijo que el grupo de Fleischer había identificado un problema importante con su artículo, tratando de «abordar de una manera muy práctica cómo usar rayos X más fácilmente disponibles para evaluar rápidamente a los pacientes con COVID-19, y básicamente clasificarlos o clasificarlos en los tipos de tratamiento que deberían estar recibiendo».

«Creo que estuvo muy bien hecho», dijo Toussaint.

Dr. John Hansen-Flaschen, director médico fundador del Centro Harron Lung de la Universidad de Pensilvania, que tampoco participó en este estudio, subrayó la complejidad de la situación. Expresó dudas de que cualquier método de procesamiento de imágenes resolvería el problema, pero dejó abierta la posibilidad de que la herramienta de Fleischer, como parte de un todo, pudiera ser valiosa.

Fleischer está de acuerdo en que su herramienta no es un panacea. Su objetivo es ayudar a los médicos, no para reemplazar la toma de decisiones, sino para ayudarla. De esta forma, el aprendizaje automático de imágenes de rayos X podría tener un gran impacto en áreas clave de la pandemia y en enfermedades respiratorias más allá del COVID-19, como el asma.

El trabajo se basa en un modelo médico artículo del Dr. Luciano Gattinoni, quien describió las dos condiciones. Muchos casos de COVID-19 muestran una forma familiar de neumonía, en la que los diminutos sacos que recubren los pulmones de un paciente están rígidos y llenos de líquido. La rigidez restringe la respiración y evita la transferencia de oxígeno al torrente sanguíneo. El tratamiento para esta forma implica la intubación con un ventilador mecánico, donde una máquina computarizada controla la respiración del paciente. Pero más de la mitad de los pacientes se parecen más a un alpinista enfermo de altura: los niveles de oxígeno en la sangre son peligrosamente bajos, pero los pulmones funcionan bastante bien y la respiración es casi normal. Perversamente, en estos casos, la ventilación mecánica puede dañar los pulmones, exacerbando la enfermedad. Esta segunda categoría exige un tratamiento menos invasivo bajo el sistema del Dr. Gattinoni, como oxígeno a baja presión, reposicionamiento del cuerpo y el uso de un dispositivo para la apnea del sueño.

En otro artículo, publicado a finales de abril , Gattinoni y sus colegas escribieron: «La amplia variación en las tasas de mortalidad entre las diferentes unidades de cuidados intensivos plantea la posibilidad de que el enfoque del manejo ventilatorio podría estar contribuyendo al resultado». En resumen, los médicos deben determinar la categoría correcta de síntomas antes de poner a los pacientes en ventiladores mecánicos.

Gattinoni se ha encontrado con cierto escepticismo sobre la dicotomía. «Estamos en la era de la medicina individualizada», escribió en un correo electrónico el Dr. Thierry Fumeaux, presidente de la Sociedad Suiza de Medicina Intensiva. Dijo que los médicos están tratando a los pacientes en función de su conjunto único de síntomas, por lo que una distinción categórica fuerte podría no ser clínicamente útil. Pero Fumeaux también difirió en el análisis final, señalando que Gattinoni es la principal autoridad en el síndrome de dificultad respiratoria aguda.

Si bien este argumento puede ser importante dentro de la comunidad médica, Fleischer cree que su tecnología es útil de cualquier manera. . El aprendizaje automático es clave para el futuro de la medicina individualizada, y la herramienta de análisis de rayos X de Fleischer es un paso en ese camino. Ya sea que las condiciones citadas por Gattinoni sean dos categorías distintas o dos polos en cada extremo de un espectro uniforme, los médicos están de acuerdo en que sería útil contar con más información para decidir si colocar a un paciente en un ventilador.

«Si puede diferenciar quién es un respondedor favorable y quién no», dijo Fleischer, «si dices que es binario o continuo, casi no viene al caso. Incluso si es continuo, hay un beneficio».

Gattinoni ha dicho que CT Actualmente, las exploraciones son la mejor manera de revelar los patrones pulmonares de la enfermedad. Pero las tomografías computarizadas, que combinan muchas imágenes de rayos X desde múltiples ángulos en una sola imagen, requieren mucho tiempo y son muy costosas. Incluso en hospitales adinerados, el procedimiento de escaneado requiere tiempo para programarse y realizarse. Para los pacientes virales, el transporte a un centro de tomografía es peligroso tanto para ellos como para el personal. Cuando los recursos humanos están tensos, como lo han estado en hospitales desde Queens hasta Yakarta, estos procedimientos son agotadores. En muchas áreas rurales o en vías de desarrollo, la TC simplemente no es una opción.

La inteligencia artificial puede ayudar a los médicos a dar sentido a datos que, de otro modo, serían difíciles de interpretar. «He estado trabajando en el aprendizaje automático principalmente para la física», dijo Fleischer. «Imágenes a través de las nubes, encontrando en qué dirección fluirá el fluido en turbulencia, etc.» En un trabajo patrocinado por DARPA y la Fuerza Aérea, desarrolló IA para analizar imágenes ruidosas, utilizando algoritmos para descubrir las ecuaciones dinámicas subyacentes y predecir el movimiento futuro. Durante la última década, ha utilizado esta experiencia para desarrollar avances en imágenes biomédicas, incluida la tecnología de ultrasonido para el cáncer de ovario y sensores de pie para detectar la aparición de diabetes.

Al igual que con sus innovaciones biomédicas anteriores, el nuevo COVID- La herramienta 19 está diseñada para procesar información ruidosa y compleja y facilitar su interpretación para los médicos en el campo, quienes necesariamente tienen que tomar decisiones con datos imperfectos, a veces bajo una presión extrema. Fleischer espera que pueda dar a los médicos un mayor nivel de confianza al elegir el curso de tratamiento de un paciente. Y al final, como sus colegas, se remite a los expertos.

Teniendo en cuenta tanto sus advertencias como su promesa de una mejor atención, Fleischer ofreció consejos a los pacientes que pueden beneficiarse de su tecnología.

«Escuche a su médico», dijo.

Explore más

Los médicos creen que los ventiladores podrían dañar a algunos pacientes con COVID-19 Más información: Mohammad Tariqul Islam et al. Distinguir los fenotipos L y H de COVID-19 usando una sola imagen de rayos X, (2020). DOI: 10.1101/2020.04.27.20081984

Luciano Gattinoni et al. Neumonía por COVID-19: ¿SDRA o no?, Critical Care (2020). DOI: 10.1186/s13054-020-02880-z

John J. Marini et al. Manejo de la Dificultad Respiratoria por COVID-19, JAMA (2020). DOI: 10.1001/jama.2020.6825 Información de la revista: Critical Care , Journal of the American Medical Association