Algoritmo de aprendizaje profundo que detecta el SDRA con exactitud a nivel de experto podría cambiar el juego en el tratamiento de la COVID-19

Los investigadores han encontrado una solución que podría ayudar a brindar la atención adecuada a los pacientes con COVID-19 con síndrome de dificultad respiratoria aguda (SDRA), que es una lesión pulmonar, potencialmente mortal, que progresa rápidamente y, a menudo, puede provocar problemas de salud a largo plazo o la muerte, pero puede ser difícil de reconocer para los médicos.

Un equipo de investigación del Centro de Investigación Integrativa en Cuidados Intensivos de Michigan (MCIRCC; Ann Arbor, MI, EUA), desarrolló un nuevo algoritmo de inteligencia artificial (IA) que analiza las radiografías de tórax para detectar el SDRA. Muchos pacientes que mueren de COVID-19 mueren por complicaciones asociadas con el SDRA, que ocurre cuando el líquido se acumula en los sacos de aire de los pulmones y priva a los órganos del oxígeno que necesitan para funcionar.


La interpretación exacta de la radiografía de tórax de un paciente es un componente fundamental del diagnóstico de SDRA. Sin embargo, los estudios demuestran que hasta el 65% de los pacientes con SDRA se diagnostican tarde o se pasan por alto y no reciben terapias basadas en evidencia que mejoren los resultados. Cada día de retraso en el tratamiento basado en la evidencia se asocia con un aumento de la mortalidad. Por lo tanto, existe una necesidad urgente de herramientas computacionales que puedan analizar los estudios de radiología torácica para ayudar a los médicos con la vigilancia del SDRA en tiempo real y garantizar la fidelidad con los tratamientos basados en la evidencia.

El equipo de investigación de MCIRCC demostró que su algoritmo de inteligencia artificial que analiza las radiografías de tórax para el SDRA podría, de hecho, identificar los hallazgos del SDRA con mayor precisión que muchos médicos. También funcionó bien cuando fue validado externamente en pacientes de otro sistema hospitalario. El algoritmo que utilizaron, un tipo de modelo de aprendizaje automático llamado redes neuronales convolucionales profundas (CNN), tenía 121 capas y siete millones de parámetros.

Usando un enfoque innovador, el equipo entrenó el algoritmo para identificar hallazgos radiológicos comunes, pero no de SDRA, en 450.000 radiografías de tórax de fuentes disponibles públicamente. Luego entrenaron el algoritmo para detectar el SDRA a través de un conjunto de datos único de 8.000 estudios de rayos X de tórax cuidadosamente revisados y anotados para SDRA por médicos de Michigan Medicine. Este enfoque se denomina aprendizaje por transferencia, que tiene muchos paralelismos con la forma en que aprenden los seres humanos. Se necesitan más investigaciones para evaluar el impacto del algoritmo en un entorno clínico, pero el equipo de MCIRCC confía en que cambiará las reglas del juego. Ellos prevén que ayudará a los médicos a identificar a los pacientes con SDRA de manera más rápida y exacta y garantizará que los pacientes reciban atención basada en evidencia.

“En nuestro trabajo anterior, encontramos que los médicos tienen dificultades para identificar los hallazgos del SDRA en las radiografías de tórax”, dijo el Dr. Michael Sjoding, neumólogo crítico de Michigan Medicine y autor principal del estudio. “El reconocimiento y tratamiento tempranos son factores clave en el tratamiento del SDRA. Los retrasos pueden ser catastróficos. Ahora tenemos una forma altamente confiable de identificar a los pacientes con SDRA, lo que también nos permitirá estudiarlos de manera más efectiva”.

Enlace relacionado:
Centro de Investigación Integrativa en Cuidados Intensivos de Michigan