Nuevo algoritmo para el diagnóstico rápido y automatizado de la COVID-19 a partir de TC de tórax supera las limitaciones de la RT-PCR
Por el equipo editorial de HospiMedica en español Actualizado el 27 Oct 2021 |
Los científicos han desarrollado un nuevo algoritmo para el diagnóstico rápido y computarizado de la COVID-19 que supera las limitaciones de la reacción en cadena de la polimerasa con transcripción inversa.
El nuevo marco para el análisis automatizado preciso e interpretable de las tomografías computarizadas de tórax fue desarrollado por investigadores del Instituto de Ciencias de Daegu Gyeongbuk (DGIST; Daegu, Corea del Sur). El estándar actual para el diagnóstico de la COVID-19 a través de la reacción en cadena de la polimerasa con transcripción inversa (RT-PCR) es limitado debido a su baja sensibilidad, alta tasa de falsos positivos y largos tiempos de prueba. Esto hace que sea difícil identificar rápidamente a los pacientes infectados y proporcionarles tratamiento. Además, existe el riesgo de que los pacientes sigan propagando la enfermedad mientras esperan los resultados de su prueba de diagnóstico.
Las tomografías computarizadas de tórax han surgido como una forma rápida y eficaz de diagnosticar la enfermedad, pero requieren la experiencia de un radiólogo para interpretarlas y, a veces, las tomografías se parecen a otros tipos de infecciones pulmonares, como la neumonía bacteriana. Ahora, un equipo de científicos ha desarrollado una técnica para la interpretación automatizada y precisa de las tomografías computarizadas de tórax. Para construir su marco de diagnóstico, el equipo de investigación utilizó una técnica de aprendizaje automático llamada "aprendizaje de instancia múltiple" (MIL). En MIL, el algoritmo de aprendizaje automático se "entrena" mediante conjuntos o "bolsas" de varios ejemplos denominados "instancias". Luego, el algoritmo MIL usa estas bolsas para aprender a etiquetar ejemplos o entradas individuales.
El equipo de investigación entrenó su nuevo marco, llamado MIL basado en contraste de atención dual (DA-CMIL), para diferenciar entre COVID y neumonía bacteriana, y descubrió que su rendimiento estaba a la par de otros métodos de análisis de imágenes automatizados de última generación. Además, el algoritmo DA-CMIL puede aprovechar información limitada o incompleta para entrenar de manera eficiente su sistema de IA. Esta investigación se extiende mucho más allá de la pandemia de COVID, sentando las bases para el desarrollo de sistemas de diagnóstico más robustos y baratos, que serán de particular beneficio para países subdesarrollados o países con recursos médicos y humanos limitados.
“Nuestro estudio puede verse tanto desde una perspectiva técnica como clínica. Primero, los algoritmos introducidos aquí se pueden extender a entornos similares con otros tipos de imágenes médicas. En segundo lugar, la 'atención dual', en particular la 'atención espacial', utilizada en el modelo mejora la interpretabilidad del algoritmo, lo que ayudará a los médicos a comprender cómo las soluciones automatizadas toman decisiones”, explicaron el profesor Sang Hyun Park y Philip Chikontwe de DGIST. quién dirigió el estudio.
Enlaces relacionados:
Instituto de Ciencias de Daegu Gyeongbuk (DGIST)
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19