COVID-19

AI4COVID: Inteligencia artificial para la detección y prognosis de la enfermedad CoVid-19

Objetivo
El objetivo principal de este proyecto es el diseño y el desarrollo de una plataforma web basada en modelos predictivos de inteligencia artificial capaces de detectar automáticamente la presencia de la enfermedad COVID-19 a partir de radiografías (RX) torácicas, discriminando pacientes sanos y distinguiendo el COVID-19 de otras afecciones pulmonares.

Descripción

Hoy en día, los sistemas sanitarios se están viendo colapsados y no se descarta que pueda haber una segunda oleada de casos de CoVid-19 en España cuando las medidas el confinamiento remitan. Además, dada la escasez de test de diagnóstico rápido en nuestro país, la inteligencia artificial puede erigirse como una prometedora herramienta de ayuda al diagnóstico que permita una detección rápida y temprana de los pacientes enfermos. Por consiguiente, el impacto que se espera con la consecución del proyecto es un mejor control de los pacientes potencialmente enfermos para focalizar esfuerzos de manera más eficiente donde sean necesariamente requeridos. De esta forma, sería posible construir una base más sólida sobre la evidencia del impacto de la enfermedad de cara a la toma de decisiones tanto sanitarias como socio-políticas y económicas.

El presente proyecto se pretende afrontar desde dos puntos de vista distintos (ambos basados en deep learning). El primero de ellos será la creación de modelos de predicción destinados a la clasificación en distintas clases objetivo (i.e. RX sana, RX con RX COVID-19 y RX con otros tipos de neumonía vírica, bacteriana, etc.) llevando a cabo múltiples agrupaciones de las mismas. Para ello se llevarán a cabo diferentes técnicas de clasificación y de segmentación de imágenes biomédicas a fin de identificar y predecir las diferentes clases objetivo. Además, se emplearán conceptos avanzados de aprendizaje profundo como transferencia del conocimiento, conexiones residuales en paralelo, diseño de nuevas arquitecturas convolucionales e implementación de funciones de pérdidas acordes al problema, entre muchas otras. Como segunda aproximación se plantea la creación de un modelo Content-Based Image Retrieval (CBIR) basado en autoencoders que, dada una nueva imagen RX, y realizando una consulta a la base de datos de entrenamiento, muestre los casos RX más parecidos junto una serie de estadísticos poblacionales para tomar decisiones sobre el paciente bajo estudio.

En base a los modelos desarrollados, se pretende crear un sistema de ayuda al diagnóstico que permita discriminar entre las diferentes afecciones pulmonares que pueden padecer los pacientes. El objetivo final que se persigue es la elaboración de una plataforma web que contenga integrado el modelo de predicción multiclase, de manera que sea posible cargar una radiografía torácica y predecir al instante si se trata de una muestra de un paciente sano, enfermo por CoVid-19 o por otro tipo de neumonía vírica, bacteriana, etc. La aplicación web también contendrá embebidos algoritmos capaces de generar mapas de calor resaltando las zonas de afección pulmonar de interés para que sea muy intuitivo de cara al personal experto que haga uso de la plataforma.

 

 

 

 

Quiere más Información