Herramienta de AI analiza videos de ultrasonidos de pulmones para diagnosticar enfermedades respiratorias.
Un nuevo avance desarrollado por Charles Darwin University (CDU), United International University, y Australian Catholic University (ACU) muestra el entrenamiento de un modelo de inteligencia artificial (AI) para analizar videos de ultrasonido de pulmón con el objetivo de diagnosticar enfermedades respiratorias de manera precisa como neumonía, COVID-19 y otras enfermedades pulmonares. El estudio fue publicado en Frontiers in Computer Science.
El objetivo del estudio fue mejorar la calidad de los fotogramas de video, aumentar la diversidad del conjunto de datos, mantener la secuencia de fotogramas y crear un modelo 3D híbrido o como mencionan en el estudio una Red neuronal convolucional tridimensional distribuida en el tiempo-memoria a corto plazo denominada TD-CNNLSTM-LungNet.
Este modelo funciona a través de un análisis cuadro por cuadro de cada video para encontrar características importantes de los pulmones y evaluar el orden de los fotogramas para entender los patrones de los pulmones a través del tiempo.
De esta manera, al obtener información relevante de los mapas de calor de los videos, el modelo logra identificar patrones específicos que indican diversas enfermedades pulmonares. Posteriormente clasificar los ultrasonidos a una categoría de diagnóstico determinada como normal, neumonía, COVID-19, y otras enfermedades.
El coautor del estudio, Niusha Shafiabady explicó que el modelo tiene una precisión de 96.57% y que los análisis de AI fueron verificados por profesionales médicos. “El modelo también utiliza técnicas de AI para mostrar a los radiólogos por qué ha tomado determinadas decisiones, lo que les facilita la confianza y la comprensión de los resultados”, detalló Shafiabady.
Cabe destacar que este modelo utiliza AI explicable, o XAI en inglés, un método que brinda mayor confianza y seguridad para los usuarios humanos sobre los resultados creados por algoritmos de machine learning. La XAI permite que modelos que realizan tareas complejas, expliquen de manera comprensible por qué llegaron sus decisiones y/o predicciones.
“El sistema muestra a los médicos por qué ha tomado determinadas decisiones utilizando elementos visuales como mapas de calor. Esta técnica de interpretación ayudará al radiólogo a localizar la zona de enfoque y mejorará sustancialmente la transparencia clínica”, expresó Shafiabady.
De esta manera, el modelo ayuda a los médicos a diagnosticar enfermedades pulmonares con rapidez y precisión, apoya su toma de decisiones, además ahorra tiempo y sirve como valiosa herramienta de formación.
Con visión a futuro los autores proponen que, si el modelo es entrenado con los datos adecuados, el modelo podría identificar más enfermedades, como tuberculosis, asma, cáncer, enfermedad pulmonar crónica y fibrosis pulmonar.
