Aluno da UTEC cria sistema com inteligência artificial para prevenção de AVC

La acumulación de grasas en las paredes de una arteria se conocen como “placas de ateroma”. Detectarlas a tiempo y medir su tamaño, puede ser clave para prevenir un accidente cerebrovascular (conocido como ACV). En este tema se interesó un estudiante de UTEC que cursa el posgrado en Robótica e Inteligencia Artificial.

Unas 15 millones de personas padecen esta afección cada año, según datos de la Organización Mundial de la Salud. De estos, alrededor de 5 millones mueren y otros 5 millones quedan con alguna discapacidad severa. Un ACV ocurre cuando se detiene el flujo sanguíneo a una parte del cerebro. Si las células cerebrales dejan de recibir el oxígeno y los nutrientes que necesitan, comienzan a morir en pocos minutos. 

Las imágenes ecocardiográficas son una de las herramientas existentes para el diagnóstico de la acumulación de placas de sustancias lipídicas en las paredes de las arterias, afección conocida como aterosclerosis.

Ejemplo de estudio ecográfico. En la línea de puntos se visualiza el delineado manual de la placa de ateroma

Para contribuir con ese proceso, el estudiante de posgrado Fransisco Gil desarrolló una solución innovadora mediante el uso de redes neuronales para detectar y segmentar automáticamente las placas de ateroma en imágenes de ecografía.

Francisco pertenece a la segunda cohorte del posgrado en Robótica e Inteligencia Artificial, formación gratuita que se imparte en forma conjunta entre la Universidad Tecnológica de Uruguay (UTEC), la Universidad Federal de Río Grande, de Brasil, y la Universidad Nacional de Rafaela de Argentina.

Desde su ciudad natal Villa Mercedes, en la provincia de San Luis, Argentina, Francisco se enteró por Internet de la existencia del posgrado y se inscribió. Es ingeniero biomédico graduado en la Universidad Nacional de Córdoba, pero actualmente trabaja como programador en una empresa de desarrollo de software. Le atrajo la idea de que tres universidades colaboraran en el programa, “lo que le daba mucho prestigio al título”, comentó.

Su sistema para segmentar placas de ateroma

El proyecto de Fransico, titulado “Segmentación de placa de ateroma en imágenes médicas para detección temprana de riesgo cardiovascular”, consiste en un sistema de redes neuronales entrenado para detectar y medir automáticamente, con mayor precisión, las placas de ateroma de imágenes de ecografía. Un indicador fundamental para los médicos.

Una red neuronal es un modelo computacional inspirado en la estructura y el funcionamiento del cerebro humano. Se utiliza en el campo de la inteligencia artificial y el aprendizaje automático para tareas de reconocimiento de imágenes y la predicción de datos. Estas imágenes pueden ser ecografías o de otra índole.

El sistema desarrollado por Francisco permite encontrar y medir el área de la placa de ateroma, así como también reducir la dependencia del delineado manual realizado por operadores médicos. De esta manera se minimizan posibles errores humanos en el diagnóstico. “El proyecto busca añadir una herramienta más a las existentes para que los médicos puedan predecir un evento cardiovascular y tratar correctamente a los pacientes que presenten esta enfermedad, es decir, evitar sobremedicación o infratratamientos”, señaló el ingeniero.

“El proyecto presenta muchos beneficios con respecto a lo ya existente, ya que al menos en la República Argentina no se encuentra en funcionamiento un sistema que haga lo que proponemos. Es decir que este trabajo representa un avance significativo para la región en la aplicación de técnicas de inteligencia artificial en el campo de la medicina”, agregó Francisco.

“Otro beneficio de una futura implementación real de este sistema sería una mayor accesibilidad, ya que permitiría tener disponible un sistema experto en diagnóstico en lugares remotos o con pocos recursos, lo cual reduciría los costos de un profesional y haría el diagnóstico más accesible para un mayor número de personas”, explicó Francisco.

Los próximos pasos para una futura implementación

El proyecto se encuentra en una etapa de prueba de concepto con una precisión del 62%. Las etapas siguientes incluyen aumentar el conjunto de datos de entrenamiento para mejorar la efectividad del sistema. 

Para realizar su investigación, Francisco utilizó estudios ecográficos realizados por los doctores Hernán Pérez y Matías Garribia, especializados en la detección y delimitación manual de placas de ateroma en el Centro Agustín Tosco de la provincia de Córdoba, Argentina. Además, contó con la colaboración y el financiamiento de la Fundación Sadosky, una institución público-privada que impulsó su proyecto. Esta organización busca articular el sistema científico-tecnológico y el sector productivo en lo relacionado a las Tecnologías de la Información y Comunicación.

Imagen que muestra la etiqueta provista por los médicos (Ground Truth), y por otro lado la predicción de la red neuronal (Ensamble).

La investigación surgió como iniciativa del doctor Néstor García, investigador que lideró el proyecto, quien junto al doctor Hernán Pérez postuló la idea a una convocatoria de la Fundación Sadosky llamada "Soluciones innovadoras para desafíos de software". El proyecto fue seleccionado y cofinanciado por Sadosky y la empresa EIRA Software Médico, que proporcionó el ecógrafo, las imágenes, y un profesional que realizó el etiquetado de las mismas. Francisco formó parte del equipo de Ingeniería del proyecto junto a la doctora en Ciencias de la Ingeniería, Valeria Rulloni, y los ingenieros biomédicos Nahuel Borchi y Trinidad Dori, todos profesionales de la Universidad Nacional de Córdoba.

Desde el punto de vista de costos, la implementación de su sistema no presenta grandes barreras, ya que puede funcionar en computadoras personales o dispositivos electrónicos embebidos. Desde la coordinación de la investigación se gestiona la posible incubación del proyecto junto a la Fundación Sadosky para darle continuidad. Sin embargo, Francisco entiende que el mayor desafío podría ser la adopción del mismo por parte de los médicos debido a la resistencia al cambio en las metodologías tradicionales de trabajo. 

“Para poder aplicar el sistema en un entorno clínico, debemos mejorar su efectividad. Dado que el ámbito de aplicación en este caso, el médico, es muy sensible; necesitamos mejorar ese número y para eso debemos contar con más imágenes de entrenamiento”, indicó Francisco.

Lo generado hasta el momento es “un sistema semi-automatizado de pre-procesamiento de las imágenes y la red neuronal”. Para ponerlo en funcionamiento a nivel clínico, es necesario desarrollar, además, un software que integre los módulos mencionados anteriormente y funcione como una interfaz con el usuario final, en este caso, el médico”.