![Disminuye drásticamente el uso del preservativo](./uploads/noticias/3/2024/09/20240906163455_condoms-arrangement-high-angle.jpg)
![Disminuye drásticamente el uso del preservativo](./uploads/noticias/4/2024/09/20240906163455_condoms-arrangement-high-angle.jpg)
La mano izquierda de Anna Bertha Ludwig inició la radiología médica y las técnicas de diagnóstico por imagen, que tanto han contribuido al avance de la medicina. En noviembre de 1895, su esposo, Wilhelm Conrad Röntgen, descubrió los Rayos X. Mientras estudiaba el poder de penetración de los rayos catódicos, Röntgen observó que una placa de cartón cubierta de cristales de platino-cianuro de bario emitía una fluorescencia, que desaparecía al desconectar de la corriente. Vio que al sostener un aro de plomo podía ver los huesos de la mano de su esposa. Röntgen decidió imprimir esta imagen de los huesos en una placa fotográfica y así fue como nació la primera radiografía.
Anna puso su mano izquierda para que se hiciera aquella radiografía en la que se ven algunos metacarpianos y huesos de los dedos de la mano, incluyendo un anillo.
La rica historia de las imágenes médicas creció y lo seguirá haciendo a medida que maximiza su eficacia gracias a aliados clave como la inteligencia artificial (IA), realidad aumentada, visualización 3D y la medicina nuclear. Tras pasar de lo analógico a lo digital hace más de 20 años, la radiología y el diagnóstico por imágenes ha evolucionado y ocupado un rol esencial en la medicina.
En el año 2019, en la UNNOBA se formó un grupo de trabajo interdisciplinario para llevar a cabo un proyecto piloto con el objetivo de automatizar el análisis de imágenes de resonancia magnética del corazón, extrayendo rápidamente (y sin participación humana) mediciones de algunos parámetros que los cardiólogos usan para sacar conclusiones e informar los estudios.
Desde el punto de vista informático, este equipo está conformado por investigadores del Instituto de Investigación y Transferencia en Tecnología (ITT) de la UNNOBA: la licenciada Sandra Serafino y el ingeniero Lucas Benjamín Cicerchia, quienes trabajan junto a alumnos avanzados de las carreras de Ingeniería en Informática y Licenciatura en Sistemas, y, desde la medicina, por el cardiólogo Federico Cintora.
La UNNOBA trabaja en proyectos de IA y análisis de imágenes en otras disciplinas desde hace años, ¿pero qué fue lo que llevó a utilizar en cardiología este algoritmo, y por qué?
Serafino evoca la génesis del proyecto: “Desde el Instituto (de Investigación y Transferencia en Tecnología), siempre estamos buscando problemas reales para plantear soluciones desde lo tecnológico. Esto ayuda a mejorar nuestros desarrollos y nuestras investigaciones, así como a acortar la brecha entre los problemas de la sociedad y los posibles aportes de la universidad. Ante la inquietud y la demanda por parte del doctor Cintora, en 2019, y teniendo en cuenta que trabajamos con imágenes, no dudamos en llevar adelante el proyecto”.
Cintora, cardiólogo y especialista en imágenes cardiovasculares, fundamenta la importancia de la iniciativa: “Cuando el paciente se hace un estudio de resonancia magnética está 40 minutos acostado y, después, quedan miles de imágenes para leer e interpretar. Dentro del procesamiento que tenemos que hacer, trazamos manualmente el borde interno de cada cavidad del corazón, el borde externo, cuándo está más relajado, cuándo está más contraído. A partir de eso, hacemos un montón de cálculos que le llevan al profesional, aproximadamente, veinte minutos por cada paciente. Si lo automatizáramos, en cambio, obtendríamos la información en segundos”.
Serafino recuerda que casi inmediatamente a que fue presentada la inquietud de Cintora, desde el ITT comenzaron a trabajar en la segmentación automática a partir de imágenes de resonancia magnética de corazón. “Esto solo pudimos hacerlo porque contábamos en el equipo con la experticia del especialista, el doctor Federico Cintora. Es importante recalcar que, en cualquier área en la que vayamos a trabajar, necesitamos de la persona con la expertice adecuada para que nos diga qué buscar, dónde buscarlo y por qué buscarlo. En base a eso, informáticos, técnicos y especialistas, podemos hallar las herramientas necesarias para alcanzar esa solución”, añade Serafino, profesora de Procesamiento Digital de Imágenes en la carrera de Ingeniería en Sistemas de la UNNOBA.
Federico Cintora, exdirector del Consejo de Eco Doppler Cardíaco y Vascular de la Sociedad Argentina de Cardiología, fundador y actual secretario Científico del Consejo de Salud Digital de la Sociedad Argentina de Cardiología, valora: “Fuimos con un problema real y el equipo de la Universidad se puso a trabajar en la solución. Luego, hicimos un estudio de factibilidad para conocer las posibilidades reales de aplicación”.
En base a los buenos resultados que obtuvo este estudio, el grupo de investigación ganó el Primer Premio al mejor trabajo de investigación en el IX Congreso Argentino de Imágenes Cardiovasculares, en 2021. “El proyecto piloto fue muy exitoso, dado que se logró desarrollar y entrenar un modelo de inteligencia artificial que identificó con gran precisión distintas partes del corazón, como los ventrículos y el músculo cardíaco. Además, permitió realizar mediciones sin intervención humana, las cuales eran muy similares a las realizadas por un médico experto en esa tarea”.
Innovación en salud cardíaca
Para el entrenamiento de modelos de inteligencia artificial se necesitan una gran cantidad de información o datos, que son los que usa el modelo para aprender a realizar determinada tarea. “Estos datos son la clave para el éxito: si los datos son pocos o no son de buena calidad, el aprendizaje del modelo será defectuoso y no será de utilidad cuando se enfrente a situaciones de la vida real”, explica Sandra Serafino, quien recientemente presentó su tesis en la carrera de posgrado Especialización en Computación Gráfica e Imágenes y Visión por Computadoras (UNLP).
“En el caso de nuestro modelo —agrega Serafino— los datos que necesitamos son imágenes de resonancia magnética de corazón que ya estén analizadas por expertos, con las cuales el algoritmo aprende cuál debe ser el resultado de la tarea que se le propone. Es importante subrayar que la cantidad de imágenes necesaria es inmensa, hablamos de decenas de miles de imágenes“.
Por eso, durante 2022 y 2023 se avanzó en un convenio entre la UNNOBA y la Sociedad Argentina de Cardiología para involucrar como participantes a instituciones y a médicos cardiólogos especialistas en resonancia cardíaca de todo el país, que puedan aportar imágenes de estudios del corazón con el fin de reunir el material necesario para “entrenar” el modelo a gran escala.
Finalmente, en octubre de 2023, se llevó a cabo la firma del convenio entre ambas instituciones y se elevó el proyecto para aprobación por un Comité de Ética Independiente. A principios de diciembre del año 2023, se obtuvo la aprobación del protocolo de investigación, que implica recopilar las imágenes provenientes de todo el país para ser procesadas en el laboratorio del ITT.
Fue en enero de 2024 cuando comenzaron a recibir estas imágenes desde centros de diagnóstico cardiológicos de distintas regiones. El convenio con la Sociedad Argentina de Cardiología permite incorporar estudios y datos (Dataset) de resonancia cardíaca de Salta, Tucumán, Bariloche, Mendoza, Neuquén, Bahía Blanca, Mar del Plata, Capital y de cada lugar en donde la sociedad tiene socios y miembros activos.
Este proyecto logró concretar el Primer Dataset Argentino de Imágenes de Resonancia Magnética Cardíaca (DARMIC) con datos etiquetados por especialistas y normalizado para el entrenamiento de los modelos de inteligencia artificial.
IA: avances, desafíos y oportunidades
¿En qué trabaja, específicamente en este proyecto, el grupo de investigación de la UNNOBA? En desarrollar y entrenar modelos de inteligencia artificial que analizan automáticamente imágenes de resonancia magnética del corazón con la misma o mayor precisión que un cardiólogo experto en la tarea.
Machine learning significa “aprendizaje automático”, máquinas que aprenden. “Dentro de machine learning, nosotros estamos usando una técnica particular de inteligencia artificial que se llama Deep Learning (aprendizaje profundo) mediante el uso de redes neuronales. Y, en particular, un subtipo específico que son las redes neuronales convolucionales”, explica la docente e investigadora.
La información que da Serafino es absolutamente técnica, aunque se esfuerza en que se entienda la amplitud del desarrollo: “Mediante técnicas computacionales destinadas a lograr inteligencia artificial, otorgamos a las máquinas la capacidad de aprender reglas o detectar patrones sin ser explícitamente programadas para ello. ¿Qué son las redes neuronales? Son algoritmos computacionales compuestos por una serie de lo que podríamos llamar ‘neuronas’ (o sea, funciones lógicas y/o matemáticas) las cuales están interconectadas para procesar y transmitir datos a través de conexiones ponderadas numéricamente. Esto les permite realizar tareas complejas, como clasificación o segmentación de datos, y tomar de decisiones. Las redes neuronales convolucionales son un tipo de red neuronal particular que tienen gran capacidad para el análisis de datos en forma de imagen”.
Este es el tipo de algoritmo que se utiliza en el proyecto para construir los modelos de inteligencia artificial, y que surge luego de probar varias arquitecturas de redes neuronales convolucionales en cada trabajo previo, para detectar cuál es la arquitectura que mejor se ajusta a las necesidades que existen. Serafino destaca que en el trabajo de investigación participan alumnos e ingenieros graduados de la Universidad.
Ventajas para los cardiólogos especialistas en imágenes
Entre las ventajas de esta herramienta, una de las más importantes es la eficiencia: el método automático puede hacer esa tarea en escasos segundos, mientras a un especialista le lleva, en promedio, de 15 a 20 minutos. Por otro lado, la reproducibilidad: los sistemas automáticos no se distraen ni se cansan como los humanos. De esta manera, su precisión será la misma al inicio que al final de la jornada y no dependerá del grado de concentración en la tarea. Finalmente, la curva de aprendizaje de un médico especialista lleva meses o años para alcanzar un alto nivel de rendimiento en la tarea, mientras que un sistema automático se entrena en horas, o pocos días, y adquiere el nivel de desempeño de un experto con años de experiencia.
La generación del actual proyecto sirvió de base para la búsqueda de subsidios mediante la presentación a la Convocatoria sobre Abordajes Integrales en Inteligencia Artificial y Ciencia de datos (PICTO-IA), correspondiente a la Agencia Nacional de Promoción de la Investigación, el Desarrollo Tecnológico y la Innovación (Agencia I+D+i) con fuente de financiamiento del Banco Interamericano de Desarrollo (BID). “En febrero de 2024 pudimos armar un proyecto integral llamado ‘Desarrollo de una herramienta de diagnóstico en resonancia magnética cardíaca basada en inteligencia artificial entrenada con datos de población argentina’”, detalla la investigadora.
El proyecto se presentó en conjunto con otros dos nodos tecnológicos, conformando un futuro grupo de investigación y desarrollo interdisciplinario a nivel nacional integrado por la Universidad Nacional de La Matanza (representada por el Lic. Marcelo Juárez), el grupo Intecnus (conformado por investigadores del Instituto Balseiro de Bariloche y la Comisión Nacional de Energía Atómica, representado por el Dr. Flavio Colavecchia) y el ITT, perteneciente a UNNOBA, representado por la Lic. Sandra Serafino.
“El objetivo de este proyecto es el desarrollo de una solución informática basada en IA para segmentación automática de cavidades cardíacas y análisis del movimiento y la deformación miocárdica en estudios de resonancia cardíaca. El resultado será la generación, también automática, de un informe clínico preliminar preciso y reproducible, con el beneficio de optimizar las herramientas de diagnóstico clínico y mejorar la calidad de la información disponible en la consulta del paciente. De esta manera, apuntamos a mejorar la productividad, calidad y eficiencia operativa de los servicios que cuenten con este desarrollo”, puntualiza Serafino.
Una de las cuestiones que los integrantes del equipo multidisciplinario subrayan es la posibilidad de abordar la problemática presentada en su totalidad: desde la recolección de datos de estudios de resonancia magnética cardíaca de centros de diagnóstico de todo el país, pasando por la experiencia en el análisis automatizado de imágenes de resonancia cardíaca basado en IA, hasta llegar a la etapa final de desarrollo de soluciones informáticas dedicadas a optimizar procesos en el campo de la salud.