En lugares de difícil acceso, como la alta montaña, dónde muchas veces no hay expertos en imagen para evaluar los resultados de radiografías, de resonancias o de análisis, la inteligencia artificial puede convertirse en una alternativa para hacer una preclasificación. Los softwares que se basan en técnicas de aprendizaje automático (Machine Learning) se utilizan desde hace tiempo con éxito en países desarrollados, tanto para preclasificar estudios como para realizar estadísticas en salud.
Investigadores e investigadoras clasifican placas de tórax de niños con neumonía con un asertividad superior al 90%, utilizando datos públicos como referencia. Buscan aplicar el sistema en estudios realizados en la Provincia.
María Cristina Werenitzky Curia, del Laboratorio de Computación Científica de la Facultad de Ciencias Exactas y Tecnología (FACET), de la Universidad Nacional de Tucumán, dirige el grupo de investigación “Inteligencia Artificial (IA) Aplicada a la Salud” que busca generar conocimiento útil a partir de los datos que proporcione el sistema de salud de Tucumán. Tiene como meta mejorar los procesos y predicciones en el ámbito de la salud, y también contribuir a la toma de decisiones con la mayor cantidad de información posible.
"Lo que hacemos como primera medida es clasificar las imágenes radiológicas para saber si tienen neumonía o no. Es un clasificador automático que emplea inteligencia artificial para poder hacer este reconocimiento", señaló la investigadora.
Werenitzky Curia dijo que "este proyecto se pretende desarrollar un sistema de software, que permita generar conocimiento adicional para enriquecer la información disponible en el sistema de salud de nuestra provincia”.
La inteligencia artificial va reconociendo patrones en las imágenes, como se replican en distintas radiografías, entonces "vemos una imagen que tiene un etiqueta, la red clasifica esa imagen y en base al error que tuvo esa red, ajustamos los parámetros. Ese ajuste es un ida y vuelta y la idea es minimizar ese error".
Desarrollo
Actualmente, "modelo que hemos desarrollado solo detecta neumonía, pero estamos analizando otro conjunto de datos para detectar nuevas patologías y enfermedades pulmonares".
La especialista comentó que el grupo de trabajo preclasificó estudios con datos públicos disponibles en el sistema de la Universidad de California, en San Diego, que corresponden a radiografías de tórax pediátricas clasificadas en dos categorías: normales o con neumonía.
Además de Werenitzky Curia, Gabriela Odstrcil y Matías Cattaneo, integran el equipo Luis Ortiz (Ciencias de la Computación) y Luis Cáceres (tesista de la Licenciatura en Ciencias de la Computación).