Un investigador de la Universidad de Florida Central (Estados Unidos) forma parte de un nuevo estudio que muestra que la inteligencia artificial ( IA ) puede ser casi tan precisa como un médico en el diagnóstico de Covid-19 en los pulmones.
El estudio, publicado en Nature Communications, muestra también que esta nueva técnica también puede superar algunos de los retos de las pruebas actuales.
Los investigadores demostraron que se podría entrenar un algoritmo de IA para clasificar la neumonía por Covid-19 en tomografías computarizadas (TC) con una precisión de hasta el 90 por ciento , así como identificar correctamente los casos positivos el 84 por ciento de las veces y los casos negativos el 93 por ciento de las veces.
Las tomografías computarizadas ofrecen un conocimiento más profundo del diagnóstico y la progresión de la enfermedad ocasionada por el SARS-CoV-2 en comparación con las PCR, que se utilizan con frecuencia. Estas pruebas tienen altos índices de falsos negativos, retrasos en el procesamiento y otros desafíos.
También lee:
Otro beneficio de las tomografías computarizadas es que pueden detectar el malestar en personas asintomáticas, en aquellos que tienen síntomas tempranos, durante el pico de la enfermedad y después de que los síntomas se resuelven.
Sin embargo, la TC no siempre se recomienda como herramienta diagnóstica luego que la enfermedad suele tener un aspecto similar a las neumonías asociadas a la gripe en las exploraciones.
"Este nuevo algoritmo puede superar este problema identificando con precisión los casos de Covid-19 , así como distinguiéndolos de la gripe, sirviendo así como una gran ayuda potencial para los médicos", explica uno de los líderes del proyecto, Ulas Bagci.
También lee:
Para realizar el estudio, los investigadores entrenaron un algoritmo de computadora para reconocer el Covid-19 en tomografías computarizadas de pulmón de mil 280 pacientes multinacionales de China , Japón e Italia. Luego probaron el algoritmo en tomografías computarizadas de mil 337 pacientes con enfermedades pulmonares que incluían el cáncer y la neumonía no causada por Covid.
"Demostramos que los modelos robustos de IA pueden alcanzar una precisión de hasta el 90 por ciento en poblaciones de pruebas independientes, mantener una alta especificidad en las neumonías no relacionadas con la COVID-19 y demostrar suficiente capacidad de generalización para poblaciones y centros de pacientes no vistos", concluye Bagci.
nrv