Parte del equipo humano del proyecto People - UCA

Daniel Sánchez Morillo encabeza un equipo que ha desarrollado una herramienta basada en inteligencia artificial para la detección automática de posibles anomalías en radiografía de tórax.

Un equipo de investigadores de la Universidad de Cádiz (UCA) y del Hospital Puerta del Mar ha logrado desarrollar un avanzado sistema de Inteligencia Artificial (IA) que puede ayudar a los expertos en medicina respiratoria a detectar de forma automática enfermedades pulmonares de forma rápida y precisa.

El trabajo forma parte del proyecto de I+D denominado People (https://people.uca.es), financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, y persigue el desarrollo de herramientas avanzadas de inteligencia artificial que puedan ser utilizadas como soporte a la decisión clínica, facilitando el diagnóstico temprano, el estadiaje y la predicción del pronóstico de la silicosis asociada a la piedra artificial.

En People, el investigador de la Universidad de Cádiz, Daniel Sánchez Morillo, isleño de adopción, lidera, junto al Dr. Antonio León Jiménez, un equipo multidisciplinar de expertos de la UCA y del Hospital Universitario Puerta del Mar,pertenecientes al Instituto de Investigación e Innovación Biomédica de Cádiz (Inibica). Han desarrollado un modelo de inteligencia artificial capaz de identificar pequeñas lesiones pulmonares en radiografías.

Los investigadores participantes en este estudio (Ebrahim Khalili, Daniel Sánchez Morillo, Blanca Priego Torres y Antonio León Jiménez), han desarrollado un modelo basado en inteligencia artificial que mejora la detección automática de posibles alteraciones en radiografías de tórax. La herramienta tiene potencial para convertirse en un aliado rápido y preciso para neumólogos y radiólogos en el diagnóstico de enfermedades pulmonares. El modelo, denominado técnicamente como Mamba-YOLOvX, utiliza algoritmos de aprendizaje profundo, que imitan el funcionamiento de la corteza visual humana. A partir del análisis de miles de imágenes, el sistema aprende a reconocer y diferenciar lesiones con mayor precisión.

Algunas anomalías que se producen en el pulmón con patologías como la silicosis se presentan de forma sutil en sus fases iniciales, lo que puede dar lugar a interpretaciones clínicas diferentes. En el artículo 'Localization and classification of abnormalities on chest X-ray images using a Mamba-YOLOvX model', publicado en la revista Expert Systems with Applications, estos expertos en inteligencia artificial y en neumología han desarrollado un nuevo modelo, bautizado como Mamba-YOLOvX, que permite localizar lesiones de forma rápida y efectiva.

El modelo está basado en algoritmos de aprendizaje automático que utilizan una arquitectura conocida como redes neuronales convolucionales. Así, el sistema aprende a reconocer y diferenciar objetos de forma automática, a partir de un proceso de aprendizaje para el que se utilizan un gran número de imágenes radiológicas. Primero, se entrena con ejemplos en los que se indica qué se debe identificar y, a partir de ahí, la red extrae automáticamente patrones y características cada vez más complejas. Esto le posibilita hacer predicciones sobre nuevas imágenes, y explicar las razones que han conducido a una determinada conclusión, para que esta información pueda ser interpretada por el especialista humano.

De esta manera, los expertos han entrenado a la IA con miles de radiografías diferentes. "En casos complejos, algunas lesiones pulmonares asociadas a patologías como la silicosis por piedra artificial, pueden ser difíciles de interpretar en los exámenes radiológicos, especialmente en la fase temprana de la enfermedad, existiendo en ocasiones una notable variabilidad entre expertos", declara a este periódico el investigador de la Universidad de Cádiz, Daniel Sánchez Morillo.

Los resultados obtenidos con el modelo han supuesto una mejora en la precisión de diagnóstico con respecto a otros métodos desarrollados recientemente. "La herramienta tiene potencial para ser aplicada dando soporte clínico en la detección precoz de lesiones pulmonares, y se une al conjunto de desarrollos que hemos completado a lo largo de estos 3 años, para facilitar la detección, estadiaje y predicción de la progresión de la silicosis por piedra artificial usando radiografía, marcadores sanguíneos y tomografía computerizada de alta resolución", concluye el investigador.

Radiografías comparadas empleando el modelo para detectar enfermedades pulmonares - Daniel Sánchez Morillo

Cribar, diagnosticar, decidir

El nuevo modelo combina la información global de la imagen, es decir, el contexto general, como la forma de los pulmones o la posición del corazón, con la información local, los pequeños detalles que pueden indicar lesiones o irregularidades. Esto hace posible detectar problemas a diferentes escalas.

Además, el sistema incorpora mecanismos de atención espacial y de canal, que funcionan como filtros inteligentes capaces de concentrarse sólo en las zonas relevantes de la radiografía y en las características más útiles, ignorando lo que no aporta información. Así, sólo atenderá al pulmón, apartando las costillas o los hombros, y discriminará zonas sanas para centrarse sólo en aquellas que puedan presentar alteraciones.

También incluye bloques de escaneo selectivo, que analizan la imagen en distintas resoluciones y permiten identificar lesiones muy pequeñas, que suelen pasar desapercibidas.

Puntos clave del tórax

Para una mejora en el entrenamiento del modelo, se han empleado datos de distintos centros hospitalarios y una estrategia conocida como aumento de datos, en las que se segmentan las costillas y se alinean puntos clave del tórax para generar nuevas imágenes homogéneas desde una perspectiva anatómica. Con esto, se consigue que sea robusto. El sistema aprende mejor y funciona de forma más generalizada.

La silicosis asociada a la piedra artificial se produce por la inhalación de polvo de sílice cristalina, que se genera durante las labores de corte y pulido de la piedra artificial, empleada en el sector de la construcción, fundamentalmente en la fabricación de encimeras en baños y cocinas. En People, el objetivo es el de crear un enfoque integral que mejore la precisión y la rapidez en la identificación y en la predicción del pronóstico de esta patología pulmonar ocupacional. Todo ello con la colaboración de más de 100 pacientes de la provincia de Cádiz. Los resultados de la investigación se han publicado en revistas de prestigio internacional.

Sobre Daniel Sánchez Morillo

Daniel Sánchez Morillo, es isleño de adopción y corazón. Estudió en el Colegio Liceo del Sagrado Corazón. Es profesor titular de la Universidad de Cádiz, responsable del Grupo de Investigación en Bioingeniería, Automática y Robótica de la UCA y corresponsable del Grupo de Ingeniería Biomédica y Telemedicina del INiBICA.

Su investigación se centra en la aplicación de técnicas de inteligencia artificial al campo de la salud, procesando señales e imágenes biomédicas para proporcionar herramientas de apoyo diagnóstico, especialmente en enfermedades pulmonares. Además, desarrolla proyectos de mSalud e Internet de las Cosas Médicas, para la telemonitorización de pacientes con enfermedades crónicas en su ámbito domiciliario.

Colabora con hospitales y centros internacionales, dirige proyectos de I+D y tesis doctorales, y fomenta la innovación tecnológica para mejorar la salud y calidad de vida de los pacientes.