La inteligencia artificial permite el análisis de imágenes pulmonares de COVID-19
Radiografías de tórax de un paciente con neumonía por COVID-19, radiografía original (izquierda) y resultado de IA para neumonía (derecha). El paciente tiene un marcapasos y un corazón agrandado, lo que indica que el algoritmo de IA es lo suficientemente potente como para funcionar incluso cuando el paciente tiene problemas de salud subyacentes. Crédito: Ciencias de la Salud de UC San Diego
Para la mayoría de los pacientes que han muerto de COVID-19, la enfermedad pandémica causada por un nuevo coronavirus, la causa principal de muerte fue la neumonía, una afección en la que la inflamación y la acumulación de líquido dificultan la respirar. La neumonía grave a menudo requiere estadías prolongadas en el hospital en unidades de cuidados intensivos y asistencia respiratoria con ventiladores. Los dispositivos médicos ahora tienen una gran demanda en algunas ciudades que enfrentan un aumento repentino de casos de COVID-19.
Para detectar rápidamente la neumonía y, por lo tanto, distinguir mejor entre los pacientes con COVID-19 que probablemente necesiten más atención de apoyo en el hospital y aquellos a los que se les podría hacer un seguimiento de cerca en casa, los radiólogos y otros médicos de UC San Diego Health ahora están usando inteligencia artificial (IA) para aumentar análisis de imágenes pulmonares en un estudio de investigación clínica habilitado por Amazon Web Services (AWS).
Hasta ahora, la nueva capacidad de IA ha brindado a los médicos de UC San Diego Health información única sobre más de 2000 imágenes. En un caso, un paciente en el Departamento de Emergencias que no tenía ningún síntoma de COVID-19 se sometió a una radiografía de tórax por otros motivos. Sin embargo, la lectura de AI de la radiografía indicó signos de neumonía temprana, que luego fue confirmada por un radiólogo. Como resultado, al paciente se le hizo la prueba de COVID-19 y resultó positivo para la enfermedad.
«No habríamos tenido motivos para tratar a ese paciente como un caso sospechoso de COVID-19 o hacer la prueba , si no fuera por la IA», dijo Christopher Longhurst, MD, director de información y director médico asociado de UC San Diego Health. «Si bien aún está en fase de investigación, el sistema ya está afectando el manejo clínico de los pacientes».
La nueva capacidad comenzó hace varios meses cuando Albert Hsiao, MD, Ph.D., profesor asociado de radiología en la Universidad de La Escuela de Medicina de California San Diego y radiólogo de UC San Diego Health, y su equipo, desarrollaron un algoritmo de aprendizaje automático que permite a los radiólogos usar IA para mejorar sus propias habilidades para detectar neumonía en las radiografías de tórax. Entrenado con 22 000 anotaciones por radiólogos humanos, el algoritmo superpone rayos X con mapas codificados por colores que indican la probabilidad de neumonía.
«La neumonía puede ser sutil, especialmente si no es la neumonía bacteriana promedio, y si pudiéramos identificar a esos pacientes de manera temprana, incluso antes de que pueda detectarlos con un estetoscopio, podríamos estar mejor posicionados para tratar a aquellos con mayor riesgo de enfermedad grave y muerte», dijo Hsiao.
Más recientemente, el equipo de Hsiao aplicó este Enfoque de IA para 10 radiografías de tórax, publicadas en revistas médicas, de cinco pacientes tratados en China y Estados Unidos por COVID-19. El algoritmo localizó consistentemente áreas de neumonía, a pesar de que las imágenes fueron tomadas en varios hospitales diferentes, y variaban considerablemente en cuanto a técnica, contraste y resolución. Los detalles se publican en el Journal of Thoracic Imaging.
Albert Hsiao, MD, Ph.D., profesor asociado de radiología en la Facultad de Medicina de UC San Diego y radiólogo en UC San Diego Health, y el equipo desarrollaron un aprendizaje automático algoritmo que permite a los radiólogos usar IA para mejorar sus propias habilidades para detectar neumonía en las radiografías de tórax. Crédito: Ciencias de la salud de UC San Diego
Ahora, gracias a los créditos de servicio donados por la Iniciativa de desarrollo de diagnóstico de AWS y los esfuerzos del equipo de TI de investigación clínica de UC San Diego Health, el método de IA de Hsiao se ha implementado en UC San Diego Health en un estudio de investigación clínica que permite a cualquier médico o radiólogo obtener una estimación inicial sobre la probabilidad de que un paciente tenga neumonía en cuestión de minutos, en el punto de atención.
«AWS se ha asociado con nosotros en múltiples proyectos en el pasado ”, dijo Michael Hogarth, MD, profesor de informática biomédica en la Facultad de Medicina de UC San Diego y oficial de información de investigación clínica en UC San Diego Health. «Una vez que COVID-19 se convirtió en una crisis, AWS se comunicó con nosotros y nos preguntó si había algo que pudieran hacer para ayudar. Mi mente inmediatamente se dirigió a una presentación que había visto dar a Albert sobre sus pruebas iniciales de IA para la neumonía. AWS ayudó a nuestros El equipo de TI de Clinical Research puso en marcha el estudio en todo el sistema en solo 10 días».
Según Hsiao, las radiografías de tórax son más baratas, el equipo es más portátil y más fácil de limpiar, y los resultados son regresó más rápidamente que muchos otros diagnósticos. Las pruebas de diagnóstico clínico basadas en la reacción en cadena de la polimerasa para el virus que causa el COVID-19 pueden tardar varios días en arrojar resultados en algunas regiones de los EE. UU.
«Ahí es donde las imágenes pueden desempeñar un papel importante. Podemos clasificar rápidamente pacientes al nivel de atención apropiado, incluso antes de que se confirme oficialmente un diagnóstico de COVID-19», dijo Hsiao.
Para ser claros, los expertos de UC San Diego Health enfatizan que no están diagnosticando COVID-19 en sí mismo por pulmón. formación de imágenes La neumonía puede ser causada por varios tipos diferentes de bacterias y virus. Además, el uso del algoritmo de IA de Hsiao aún se considera en fase de investigación. Si bien estas imágenes están disponibles para que las usen los médicos, la atención al paciente sigue estando guiada por la interpretación formal de los radiólogos humanos.
«Mientras nos preparamos para un aumento potencial de pacientes con COVID-19, no se trata solo de las habitaciones de los pacientes y suministros que pueden volverse limitados, pero también la capacidad de los médicos y el personal», dijo Longhurst. «Por lo tanto, es tremendamente útil contar con herramientas que permitan a los médicos que no tienen tanta experiencia como los radiólogos en la lectura de radiografías tener una idea rápida de lo que están viendo, especialmente los médicos de primera línea de emergencia y los médicos de hospitales».
Luego, el equipo de Salud de UC San Diego espera expandir el estudio impulsado por IA para detectar neumonía a los otros cuatro centros médicos académicos de la Universidad de California.
«Como centro médico académico, estamos siempre buscando formas de llevar las innovaciones al lado de la cama», dijo Longhurst. «Aunque necesitamos más estudios para evaluar la efectividad de este algoritmo y mejorar su precisión a medida que atendemos a más pacientes, lo que estamos viendo hasta ahora es evidencia de que este enfoque podría ser una herramienta poderosa para que los proveedores de atención médica brinden servicios más confiables y tempranos». diagnósticos de COVID-19 y otras infecciones».
Explore más
Investigadores chinos detallan los hallazgos de la TC de tórax en la neumonía por enfermedad por coronavirus (COVID-19) Más información: Brian Hurt et al. Localización de aprendizaje profundo de la neumonía, Journal of Thoracic Imaging (2020). DOI: 10.1097/RTI.0000000000000512 Proporcionado por la Universidad de California – San Diego Cita: La inteligencia artificial permite el análisis de imágenes pulmonares de COVID-19 (2020, 7 de abril) recuperado el 31 de agosto de 2022 de https://medicalxpress. com/news/2020-04-artificial-intelligence-enables-covid-lung.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.