Buscan detectar COVID-19 con inteligencia artificial

Profesores de la Escuela de Ingeniería y Ciencias crearon un prototipo con la capacidad de diagnosticar, en cuestión de minutos, casos de coronavirus mediante el análisis computacional de radiografías torácicas.

Profesores de la Escuela de Ingeniería y Ciencias del Tec de Monterrey desarrollaron un sistema con inteligencia artificial que, de acuerdo a cálculos computacionales, podría arrojar diagnósticos de COVID-19 con efectividad muy alta.

El sistema se basa en el escaneo de radiografías de tórax y buscarán que sea probado con especialistas de radiología de TecSalud, a través de un protocolo de investigación, para validar sus resultados.

La tecnología funciona utilizando algoritmos de aprendizaje profundo “deep learning” a través del desarrollo de redes neuronales computacionales, para identificar patrones característicos de más de 5 mil imágenes radiológicas de casos negativos y positivos por el SARS-CoV-2.

“Estos algoritmos los vemos comúnmente aplicados en sistemas de reconocimiento facial o reconocimiento de voz funcionando con un alto nivel de eficiencia".

“Se nos ocurrió aprovechar esta tecnología para que nos ayude a identificar los principales descriptores de imágenes radiológicas realizadas a enfermos de COVID-19”, explicó Sergio Uribe, director del Centro de Innovación en Diseño y Tecnología del Tec.

El sistema cuenta a su vez con clasificadores de aprendizaje automático o “machine learning”, para identificar la información procesada y emitir un diagnóstico para confirmar o desestimar la incidencia del coronavirus para cada caso, agregó el también catedrático.

El prototipo se encuentra ya funcionando con un nivel de entrenamiento que arroja especificidades y sensibilidades superiores al 95 por ciento, estos son dos parám1etros importantes en métodos de diagnóstico clínico para diferenciar a los pacientes que padecen la enfermedad y los que no.

Aunque este medio de diagnóstico tiene ciertas bondades en relación a las pruebas por PCR, como la inmediatez del diagnóstico y un costo considerablemente inferior, debe ser considerado un método complementario de la prueba estándar apuntó Sergio Uribe quién encabeza el proyecto junto con el profesor Cristian Mendoza.