La radiografía de tórax contribuye al diagnóstico de numerosas patologías neumológicas, entre ellas, la tuberculosis y el cáncer de pulmón pero, hasta ahora no pueden ser utilizadas, por sí mismas, para comprobar el funcionamiento adecuado de los pulmones. Para avanzar en este terreno, un grupo de investigación dirigido por los ...
La radiografía de tórax contribuye al diagnóstico de numerosas patologías neumológicas, entre ellas, la tuberculosis y el cáncer de pulmón pero, hasta ahora no pueden ser utilizadas, por sí mismas, para comprobar el funcionamiento adecuado de los pulmones. Para avanzar en este terreno, un grupo de investigación dirigido por los profs. Daiju Ueda y Yukio Miki, de la Facultad de Medicina de la Universidad Metropolitana de Osaka (Japón) decidieron desarrollar un modelo de inteligencia artificial capaz de estimar con alta precisión la función pulmonar a partir de radiografías de tórax.
Habitualmente, la función pulmonar se mide con un espirómetro, que requiere la cooperación del paciente, a quien se le dan instrucciones específicas sobre cómo inhalar y exhalar en el instrumento. La evaluación precisa de las mediciones es difícil si el paciente tiene dificultades para seguir las instrucciones, lo que puede ocurrir en muchos tipos de situaciones.
La ventaja que ofrece el modelo de IA desarrollado en el referido estudio, y publicado en ´The Lancet Digital Health´, tiene el potencial de ampliar las opciones de evaluación de la función pulmonar para pacientes que tienen dificultades para realizar la espirometría.
Tal como se incide en el estudio, el aprendizaje profundo es un campo de la inteligencia artificial (IA) que puede extraer automáticamente características de los datos de entrenamiento, mientras que el aprendizaje automático convencional necesita que las características se definan manualmente.
El profesor Ueda y el grupo de investigación entrenaron, validaron y probaron el modelo de IA utilizando más de 140.000 radiografías de tórax de un período de casi 20 años. Compararon los datos espirométricos reales con las estimaciones del modelo de IA para ajustar su rendimiento. Los resultados mostraron una tasa de concordancia notablemente alta, con un coeficiente de correlación de Pearson (r) de más de 0,90, lo que indica que el método es lo suficientemente prometedor para su uso práctico, según los investigadores.
"Es muy significativo el hecho de que, simplemente utilizando la información estática de las radiografías de tórax, nuestro método sugiere la posibilidad de estimar con precisión la función pulmonar, que normalmente se evalúa a través de pruebas que requieren que los pacientes aporten energía física", concluyó el pro. Ueda.