La radiómica, una nueva herramienta para el diagnóstico de Covid-19

  • Carlos Sierra, PhD

  • Noticias
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

La irrupción de la Covid-19 a principios de año cambió nuestras vidas de manera significativa, y los investigadores no han sido una excepción. Este ha sido el caso de la Doctora Dèbora Gil y el Doctor Carles Sánchez, investigadores del grupo Interactive Augmented Modelling for Biomedicine (IAM4B) del Centro de Visión por Computador (CVC), así como el de los investigadores del Hospital Germans Trias liderados por el Doctor Antoni Rosell, Director Clínico del Área del Tórax. Este equipo multidisciplinar trabaja conjuntamente en el diagnóstico precoz del cáncer de pulmón a través de sistemas de Inteligencia Artificial que combinan datos radiológicos, genómicos y clínicos. 

Pero, con la aparición de la Covid-19 y el gran número de pacientes que empezaron a colapsar las UCIs debido al desarrollo de neumonía bilateral severa y a complicaciones graves como la embolia pulmonar, el Dr. Antoni Rosell empezó a preguntarse si lo que estaban desarrollando con el CVC en cáncer de pulmón no podría aplicarse de alguna manera para predecir qué tipo de insuficiencia respiratoria padecían los pacientes. “Un día, al principio de la pandemia, recibí una llamada de Toni Rosell en la que me expuso su inquietud ante el gran número de pacientes de Covid-19 que desarrollaban insuficiencia respiratoria grave y en la que me planteo la opción de ampliar nuestra línea de investigación conjunta para el diagnóstico en cáncer de pulmón al estudio de la Covid-19”, recuerda para Univadis España la Dra. Gil. “Esto, que puede parecer una reacción lógica, en realidad no lo es, ya que desafortunadamente la conexión médicos – matemáticos es algo muy raro en España”, continua la Dra. Gil.

La clave: la radiómica, una biopsia digital

Para poder afrontar un reto tan ambicioso es necesario utilizar uno de los grandes avances de los últimos tiempos en el diagnóstico radiológico del cáncer, la radiómica. La radiómica es una tecnología que, mediante el uso de la Inteligencia Artificial, convierte un gran número de imágenes médicas en datos cuantificables. “La radiómica es una técnica que consiste en la extracción de una gran cantidad de datos cuantificables no visibles al ojo humano contenidos en las imágenes obtenidas por, entre otras, la Tomografía Axial Computerizada, conocido como TAC, y la Tomografía Computerizada por Emisión de Fotón Simple, cuyo acrónimo es SPECT”, explica para Univadis España la Dra. Dèbora Gil. La hipótesis de partida, añade, es que estos datos “guardan relación con los procesos biológicos subyacentes a las imágenes radiológicas, y el análisis de los mismos nos puede proporcionar información pronóstica, es decir, cómo se comportarán la infección de Covid-19, y predictiva, o lo que es lo mismo, cómo evolucionará”. En otras palabras, ver lo que el ojo humano no es capaz de ver.

Y aquí es justamente donde la visión por computador, técnica en la que el CVC es un referente internacional, juega un papel clave, ya que un médico, por muy experto que sea, jamás podrá hacer un análisis tridimensional tan detallado de las imágenes como los algoritmos de Inteligencia Artificial desarrollados por la Dra. Gil y el Dr. Sánchez. “Eso sí, el diagnóstico final siempre lo hará un médico, la Inteligencia Artificial puede ser una herramienta de soporte muy precisa, pero nunca eliminará al experto clínico”, tranquiliza el Dr. Sánchez.

La radiómica puede ayudar a descargar de trabajo al profesional médico, a la vez que puede facilitar la gestión hospitalaria y reducir los gastos asociados a la realización de múltiples pruebas, ya que esta nueva herramienta puede indicar al médico qué pruebas médicas son recomendables de manera personalizada a las circunstancias del paciente. Además, la radiómica mejora la calidad del paciente, ya que el diagnóstico se realizan a través de imágenes, un procedimiento clínico poco invasivo y cuya adquisición forma parte del protocolo clínico habitual. 

Visión por computador y Covid-19

En el caso de la Covid-19, el objetivo de usar la radiómica es diagnosticar y predecir la evolución de los pacientes con insuficiencia respiratoria grave y, en función de ello, prever qué recursos podrán ser necesarios para atenderlos, tales como respiradores, camas en las UCIs, etc. En este caso, se utiliza la TAC para estudiar la anatomía de los pulmones, y la SPECT para conocer el estado de la circulación sanguínea en los pulmones. Mediante la TAC se puede determinar con gran exactitud si los pulmones están sanos o si hay neumonía, mientras que mediante la SPECT se puede distinguir si dicha neumonía detectada por el TAC se asocia con microinfartos pulmonares. Estos microinfartos son una de las complicaciones específicas de las neumonías por Covid-19 que no se produce en neumonías bacterianas, que son las más usuales. “Si detectamos estos microinfartos a tiempo y le proporcionamos al paciente tratamientos anticoagulantes, el tejido pulmonar podrá recuperarse. Por el contrario, si estos microinfartos se detectan de forma tardía, el tejido de las áreas afectadas acabará infartándose por falta de oxígeno y el paciente tendrá lesiones vasculares del pulmón permanentes que le podrán ocasionar problemas respiratorios de por vida”, explica a Univadis España el Dr. Rosell.

El funcionamiento de los escáneres SPECT se basa en la inyección intravenosa de un agente de contraste radioactivo y ver cómo este se va distribuyendo, con el paso del tiempo, en los pulmones del paciente. Si el agente de contraste llega a una región pulmonar es que la sangre circula por ella sin problemas y en ela SPECT se verá una zona brillante. Si, por el contrario, una zona se ve oscura es que el agente de contraste no ha llegado, lo que implica es que no está habiendo perfusión sanguínea, es decir, ha habido una trombosis, embolia e incluso un infarto. Cuando se trata de microinfartos, las imágenes que se obtienen son una mezcla de puntos brillantes y puntos oscuros, de difícil interpretación para el ojo de los médicos de Medicina Nuclear. Aquí es donde la Inteligencia Artificial y la visión por computador juegan un papel fundamental para ayudar al médico a realizar el diagnóstico. “Analizar este tipo de imágenes 3D sin usar la Inteligencia Artificial es, sencillamente, imposible. El médico como mucho podrá ver planos horizontales o verticales, pero no puede de ninguna manera tener la visión 3D. Esto es, repito, imposible” asegura a Univadis España la Dra. Gil.

El sistema se ha testeado retrospectivamente en 63 pacientes Covid-19 de la primera ola y 70 no Covid incluyendo controles sanos y neumonías no Covid-19, alcanzando una precisión en la detección de microinfartos Covid-19 del 93%. Los resultados son, por lo tanto, muy alentadores.

Los buenos resultados obtenidos con el uso de la radiómica en pacientes con Covid-19, gracias a la colaboración entre el CVC y el Hospital Germans Trias, es un ejemplo de cómo la investigación básica puede ayudar a la investigación clínica en un margen de tiempo muy estrecho. 

Los problemas de utilizar la Inteligencia Artificial en medicina

Los resultados obtenidos hasta el momento en este proyecto son muy esperanzadores, a pesar de los problemas asociados al uso de la Inteligencia Artificial en medicina.

El primero es que no se puede utilizar el Big Data. Inteligencia Artificial y Big Data suelen ir de la mano, tanto que muchas veces se utilizan, erróneamente, como sinónimos. En este caso no es así porque el número de datos existentes aún es pequeño y hay que desarrollar algoritmos de Inteligencia Artificial que sepan trabajar con pocas imágenes. Esto sucede siempre que aparece una nueva enfermedad, como la Covid-19. “Además, nos encontramos con un problema añadido, que es que no hay bases de datos comunes a las que podamos acceder los investigadores para entrenar nuestros algoritmos. Si nosotros pudiésemos acceder a imágenes de pacientes con Covid-19 de todo el mundo y no solo del Hospital Germans Trias, el desarrollo de nuestros algoritmos sería mucho más rápido y preciso”, denuncia a través de Univadis España el Dr. Sánchez. “Es por ello necesario que las administraciones públicas pongan de su parte y se construyan bases de datos de imágenes médicas a nivel internacional a las que los investigadores podamos, con las medidas de seguridad necesarias para garantizar la privacidad de los pacientes, acceder de manera gratuita” reclama la Dra. Gil. “Los pacientes por su parte pueden estar tranquilos, ni con la Inteligencia Artificial más avanzada es posible conocer su identidad a través del análisis de los escáneres obtenidos con cualquier tipo de técnica”, aclara para Univadis España la Dra. Gil. Por último, “un sistema de anonimización de los datos clínicos que aparecen en estos escáneres podría formar parte del mismo proceso de centralización de datos de forma muy sencilla y estandarizada”, concluye el Dr. Sánchez. 

Más información sobre el IAM4B y su proyecto sobre la Covid-19: 

Más información sobre el CVC

Este estudio ha sido posible gracias a los proyectos Radiolung y Up4Health, financiados respectivamente por (Radiolung) la Fundación de la Academia de Ciencias Médicas y Salud de Cataluña y Baleares, el Hospital Germans Trias a través de la Beca Talentos (2020) y el Barcelona Respiratory Network (BRN) - Fundación Ramón Pla y Armengol; y (Up4Health) por el programa RETOS (RTI2018-095209-B-C21) del Gobierno de España.

Este proyecto ha recibido financiación del programa de Investigación e Innovación Horizon 2020 de la Unión Europea en el marco del convenio de subvención Marie Skłodowska-Curie No 712949 (TECNIOspring PLUS) y de la Agencia de Competitividad Empresarial de la Generalitat de Cataluña.