Desde que, a mediados de marzo, se inició este proyecto de investigación conjunta, se analizaron las placas de rayos-X de un millar de pacientes, que contribuyeron a entrenar y perfeccionar el modelo denominado 'deep learning' o de aprendizaje profundo.
Así, una vez culminada la primera fase de esta investigación, la citada herramienta permitiría a los especialistas saber si un paciente tiene daño pulmonar por coronavirus, mediante la lectura de su radiografía pulmonar, en un tiempo medio inferior al que tarda en conocerse el resultado de la PCR (Reacción en Cadena de la Polimerasa), prueba que se emplea actualmente como el principal test más validado para detectar la presencia de la infección por el Covid-19.
Inteligencia artificial
El jefe del Servicio de Radiodiagnóstico del Hospital Universitario Clínico San Cecilio, el doctor José Luis Martín, explica que "el objetivo es desarrollar una herramienta de inteligencia artificial basada en algoritmos de aprendizaje profundo que nos permita identificar, por medio de la radiografía de tórax, la presencia de afectación pulmonar, aún en fases incipientes. Por tanto, su aplicación real más inmediata nos permitiría disponer de un sistema de detección automatizada del Covid-19 en pacientes sospechosos”.En este sentido, dicho especialista señala que "frente al tiempo y coste de otras pruebas que se han demostrado las más eficaces y validadas en la detección de la infección, como son la tomografía computarizada (TAC) o la PCR, disponer de este modelo implicaría agilizar los tiempos en el diagnóstico, además de permitir estandarizar el uso del sistema a prácticamente cualquier centro sanitario con disponibilidad para hacer RX de tórax".
Desde el Instituto Andaluz de Investigación en Ciencia de Datos e Inteligencia Artificial, el equipo de ingenieros de la UGR liderados por Francisco Herrera, apunta que "el proyecto está próximo a concluir su fase inicial y los resultados obtenidos hasta el momento son alentadores, ya que estamos obteniendo niveles de precisión que superan los descritos hasta la fecha en la bibliografía internacional para este proceso, comparándolos con las bases de datos disponibles. Así, la precisión del modelo que se está desarrollando arroja un porcentaje de acierto del 80 por ciento en la detección de los casos positivos".