IA para la mejora en los diagnósticos de COVID

Diagnóstico de pacientes de COVID

La pandemia de COVID-19 ejerció una enorme presión. Todos los sectores sintieron su impacto, aunque ninguno tanto como el sanitario, donde los hospitales y su personal se esforzaron por seguir el ritmo del aumento de pacientes que requerían diagnóstico y, con demasiada frecuencia, cuidados intensivos. Atender al gran número de personas que buscaban tratamiento y someterse a las pruebas de detección de la enfermedad exigía un compromiso increíble de tiempo y esfuerzo por parte de profesionales experimentados. Sin embargo, a medida que aumentaban las cifras y crecían las limitaciones de tiempo, la restricción de los conocimientos necesarios para diagnosticar correctamente a los pacientes se convirtió en un objetivo cada vez más claro que había que mejorar.

“Las pruebas microbiológicas son la forma más común de diagnosticar COVID en los pacientes, pero dado que los síntomas respiratorios representan el principal cambio relacionado con la enfermedad, las radiografías de tórax han sido esenciales para diagnosticar a los pacientes sintomáticos”, explica Fabiola Bermejo Sanz, Directora de Tessella España en Capgemini Engineering. “Pero leer el resultado resultante requiere tiempo y una gran experiencia médica, y ambas cosas escaseaban teniendo en cuenta el número de pacientes que teníamos que ingresar”.

Los radiólogos de tres hospitales españoles, el Hospital Ramón y Cajal y el Hospital 12 de Octubre de Madrid, así como el Hospital San Pablo de Barcelona, decidieron colaborar en busca de una solución a este reto. Se pusieron en contacto con posibles socios tecnológicos para combinar su experiencia médica y administrativa con los conocimientos técnicos necesarios para hacer realidad una visión tan ambiciosa. Así, Capgemini, Vodafone España, Intel, Cisco, Microsoft y Gilead Sciences España se unieron para formar una coalición integral.

IA y visión computerizada para facilitar una solución

“Lo que queríamos era demostrar que el diagnóstico automatizado podía constituir la base de una experiencia de diagnóstico clínico agregado”, afirma Bermejo. “Y uno de los elementos más importantes era garantizar la privacidad de los datos de los pacientes mientras se creaba esa experiencia. En definitiva, queríamos desarrollar una nueva herramienta para hacer frente a la creciente necesidad de revisión de radiografías sin comprometer la información privada.”

Juntos, los miembros del consorcio se propusieron crear una prueba de concepto que utilizara inteligencia artificial y visión por ordenador para examinar radiografías y determinar el estado COVID de un paciente sintomático. Esto incluía una plataforma de aprendizaje federada, desarrollada mediante una colaboración entre los hospitales y Capgemini, que permitiría a los expertos entrenar modelos de visión por ordenador con conjuntos de datos escasos. Además, Cisco e Intel proporcionaron la infraestructura informática necesaria para experimentar y probar la plataforma. En todo momento, los datos utilizados se mantuvieron seguros mediante procesadores Intel Xeon Scalable de tercera generación que utilizaban Software Guard Extensions (SGX) para tareas de agregación cifrada.

“Al final, nos aseguramos de que los datos de los pacientes nunca salieran de los hospitales”, explica Berjmejo Sanz. “Así que entrenamos a la IA que revisaba las radiografías utilizando la experiencia de cada uno de los tres hospitales para desarrollar una solución agregada que se basara en nuestra experiencia combinada. El resultado fue un único modelo de diagnóstico más preciso que cualquiera de los modelos locales que sirvieron de punto de partida.”

Un notable paso adelante

Tras los trabajos del consorcio, la solución de prueba de concepto demostró la eficacia del diagnóstico automatizado basado en una plataforma de aprendizaje. En comparación con los mejores modelos locales disponibles, el modelo agregado logró un aumento del 24% en el rendimiento del diagnóstico al tiempo que aprovechaba los datos comunes. Y lo que es más importante, los socios lo lograron manteniendo la seguridad de la información de los pacientes durante todo el proceso, lo que indica que la solución podría desarrollarse y, en última instancia, aplicarse sin riesgo para la privacidad.

Aunque se trata sólo del primer paso hacia la introducción de la inteligencia artificial y la visión por ordenador en el proceso de diagnóstico, ilustra de forma significativa el impacto potencial de la solución. Una futura plataforma desarrollada a partir de esta prueba de concepto ayudará al personal médico a gestionar la carga durante los periodos de tráfico excesivo de pacientes. Además, un modelo de diagnóstico global beneficiará especialmente a los centros que posean una experiencia más limitada en el cribado con rayos X, tanto para COVID como para otros ámbitos.

“Hemos demostrado que una solución de diagnóstico basada en IA tiene el potencial de tener un gran impacto”, afirma Bermejo Sanz. “Y la mayor parte de esto es que no requiere que nadie comparta información identificable del paciente para construir el modelo o para realizar un diagnóstico”.

“Esto significa que podemos ayudar a los hospitales a gestionar un número de pacientes de nivel pandémico, independientemente de su experiencia con una determinada enfermedad o método de diagnóstico. En el mejor de los casos, los brotes futuros serán menos peligrosos en términos del estrés que suponen para el personal hospitalario”.

El éxito de la prueba de concepto ha despejado el camino para que el consorcio siga desarrollando un modelo de diagnóstico global que pueda aplicarse a una selección más amplia de hospitales y mejorar la atención a los pacientes a mayor escala.