NOTICIAS
volver a Inicio  

   Dataset e Inteligencia Artificial para ayudar en la detección precoz de neumonía por COVID 19 a partir de una radiografía simple de tórax
  • La base de datos está disponible para especialistas en desarrollos de algoritmos de Inteligencia Artificial para la elaboración de modelos predictivos
  • El objetivo final es el desarrollo de una herramienta de diagnóstico simple, rápida y efectiva para agilizar la carga de trabajo de los profesionales sanitarios
  • El equipo que está trabajando en este proyecto está compuesto por: FISABIO, la Universidad Miguel Hernández, la Universidad de Alicante, la UPV y el personal del Hospital San Juan de Alicante y con la colaboración de MedBravo, GE y CIPF.
València (30.03.2020). Personal investigador de la Unidad Mixta en Imagen Biomédica de FISABIO (Fundació per al Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana), la Universidad Miguel Hernández, la Universidad de Alicante, la Universitat Politècnica de València, y el personal del Hospital San Juan de Alicante y con la colaboración de MedBravo, GE y CIPF,  ha creado una base de datos en abierto para aplicar Inteligencia Artificial en la detección precoz de neumonía a partir de una radiografía  simple de tórax.
 
La base de datos recoge imágenes de radiografía de tórax (PadChest), perteneciente al Banco de Imágenes de la Comunidad Valenciana (BIMCV). En una primera fase, los/as investigadores/as han realizado el proceso de construcción, mantenimiento y recopilación de las imágenes, organizadas por patologías relacionadas con neumonía.
 
El grupo investigador, liderado por María de la Iglesia, en colaboración con José María Salinas del Hospital Universitario San Juan de Alicante y la investigadora Aurelia Bustos, ha publicado en abierto esta base de datos.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
La siguiente fase será la aplicación de modelos de aprendizaje profundo (deep learning) por parte de la comunidad científica especializada en desarrollos de algoritmos de Inteligencia Artificial.
 
La organización de esta información pretende ayudar al desarrollo de herramientas de diagnóstico simples, rápidas y efectivas, para que los profesionales sanitarios puedan realizar una detección temprana de la neumonía causada por COVID-19.
 
La evaluación del riesgo se realizaría tanto en pacientes con síntomas leves (aquellos que no tienen neumonía visible en la imagen y con infección sospechada o confirmada y para quienes se desconoce la probabilidad de desarrollo de neumonía); como con síntomas moderados (es decir, con síntomas y cuyo examen de imágenes muestra neumonía y para quienes la evolución a una condición grave o crítica es incierta).
 
Debido a la alta disponibilidad y la asequibilidad de los datos de rayos X convencionales, ampliamente utilizados y más accesibles que las tomografías computarizadas, los sistemas de Inteligencia Artificial podrían ser una herramienta esencial para minimizar y agilizar la carga de trabajo en los entornos clínicos.
 
No obstante, los investigadores no descartan utilizar ambas técnicas, imágenes de Rx convencional y Tomografía Computarizada de pulmón, para realizar estudios combinados y más precisos.
 
La tercera fase de desarrollo del proyecto será probar aquellos modelos predictivos realizados por los especialistas en inteligencia artificial con una nueva base de imágenes exclusivas de patología de COVID-19, que también estará en abierto y en la que ya ha comenzado a trabajar el grupo investigador de la Unidad Mixta en Imagen Biomédica Fisabio-CIPF conjuntamente con la Universidad de Alicante.
 
Open Science
 
Siguiendo todas las recomendaciones y principios FAIR data, acrónimo de Findable, Accesible, Interoperable and Reusable (encontrable, accesible, interoperable y reusable) todas las imágenes, datos y código de estos modelos, se divulgarán públicamente en abierto en los repositorios del BIMCV (repositorio de GitHub). 
 
Antecedentes
 
Para el desarrollo de esta herramienta, el personal investigador ha tenido en cuenta los recientes estudios realizados por investigadores chinos cuyos resultados detallan las características clínicas y paraclínicas de COVID-19. Estos estudios han demostrado que el COVID-19 presenta patrones característicos únicos en imágenes de rayos X de tórax y tomografía computarizada (Ng et al, 2020 / Ng, Ming-Yen, et al. 2020)
 
Para más información contactar con delaiglesia_mar@gva.es

>>>>>
<<<<<