Validación clínica del sistema de inteligencia artificial DeepSARS en la fundación oftalmológica de Santander - FOSCAL y fundación FOSUNAB”

  • Lubinus Badillo, Federico Guille (Tutor de Semillero)
  • Mantilla García, Daniel Eduardo (Tutor de Semillero)
  • Santacruz Carmen, Sebastian (Estudiante de pregrado y/o miembro de semillero)
  • Gamboa Caceres, Laura Maria (Graduado)
  • Blanco Rueda, Maria Paula (Graduado)
  • Angarita Martinez, Johan Sebastian (Estudiante de pregrado y/o miembro de semillero)

Proyecto: Semilleros de Investigación

Detalles del proyecto

Descripción

El virus SARS-CoV-2 produce el COVID-19 que tiene un amplio espectro de la enfermedad desde los pacientes asintomáticos hasta los que presentan síndrome de dificultad respiratoria, sepsis y muerte; el gold standard en diagnóstico de la enfermedad es la detección del virus con RT-PCR [1], sin embargo esta prueba no está disponible en todos los centros asistenciales y el resultado no es inmediato en la mayor parte de nuestro país; se han desarrollado otras pruebas de detección serológica como el antígeno y los anticuerpos IgM e IgG son mas rapidas y economicas, sin embargo estas pruebas puede tener reacción cruzada con otros coronavirus [2]. Las imágenes radiológicas son una alternativa teniendo en cuenta que el COVID-19 afecta de forma predominante el parénquima pulmonar y tiene hallazgos en radiografía y en tomografía de tórax que son característicos. La radiografía tiene menor sensibilidad que la tomografía para detectar la opacidad en vidrio esmerilado característica que se presenta en gran parte de lo pacientes con COVID-19, otros de los hallazgos presentes son consolidación, engrosamiento intersticial, patrón en crazy paving, entre otros, estas características se presentan en diferentes etapas de la enfermedad y en diferentes estadios [3].
Los programas de inteligencia artificial se utilizan para reconocer patrones complejos en las imágenes radiológicas, es una tarea que realizan de forma automática una vez han sido entrenados y la evaluación es cuantitativa a diferencia del análisis cualitativo realizado por el radiólogo experto [4]. Específicamente para detectar neumonía por COVID-19 en tomografía de tórax, se han utilizado diferentes tareas como clasificación de estudios normales/COVID-19, COVID-19/No-COVID-19, neumonia por COVID-19/ neumonia No-COVID-19, gravedad del COVID-19 [5], sin embargo, una revisión publicada en septiembre de 2020 encontró que de los programas de inteligencia artificial diseñados control radiológico solo tienen validación externa un 6%[6]. Durante el transcurso del 2020 se desarrolló el software de inteligencia artificial DeepSARS, proyecto que estuvo en el marco de la propuesta “DeepSARS: Sistema de aprendizaje profundo automático para la identificación temprana y seguimiento de pacientes con riesgo de síndrome de distrés respiratorio agudo” desarrollada por la Universidad Industrial de Santander UIS, la Fundación oftalmológica de Santander FOSCAL y la Universidad Autónoma de Bucaramanga UNAB, se realizó una validación interna de los modelos de inteligencia artificial utilizando imágenes diferentes a las del entrenamiento, sin embargo no se ha desarrollado una validación clínica utilizando la plataforma DeepSARS, por lo que nuestro trabajo se centra en realizar esta validación del programa DeepSARS utilizando tomografías de tórax de pacientes sospechosos COVID-19.

Objetivo General

Validar un sistema de inteligencia artificial para identificación de COVID-19 y síndrome de dificultad respiratoria aguda utilizando imágenes de tomografía computarizada de tórax con RT-PCR para SARS-CoV-2

Objetivos Específicos

1. Describir las variables sociodemográficas, antecedentes patológicos, aspectos clínicos y hallazgos radiológicos de los pacientes con sospecha de COVID-19.
2. Validar el sistema de inteligencia artificial DeepSARS usado para identificación de COVID-19 utilizando imágenes de tomografía computarizada de tórax comparado con RT-PCR para SARS-CoV-2.
3. Determinar la concordancia entre los hallazgos tomográficos y presencia de neumonía por COVID-19 con prueba RT-PCR positiva.
4. Identificar el grado de severidad en tomografía computarizada en pacientes que requirieron unidades de cuidados intensivos comparados con pacientes tratados ambulatoriamente con COVID-19.
EstadoFinalizado
Fecha de inicio/Fecha fin5/02/2431/05/24

Financiación

  • Universidad Autónoma de Bucara-manga

Enfoques Temáticos Institucionales

  • Salud y bienestar

Líneas de Investigación UNAB

  • Radiología

Estado

  • En ejecución