El projecte, amb suport de l’Agència Valenciana de la Innovació (AVI), permetrà millorar la interpretació de la imatge mèdica i es podrà aplicar en hospitals, centres de salut i xicotetes clíniques.

L’Institut de Física Corpuscular (IFIC), centre mixt del Consell Superior d’Investigacions Científiques (CSIC) i la Universitat de València (UV), desenvolupa, amb finançament de l’Agència Valenciana de la Innovació (AVI), un prototip per al desplegament i validació de sistemes d’ajuda al radiodiagnòstic basats en models d’Intel·ligència Artificial, que facilitaran la interpretació de troballes i evidències clíniques en imatges radiològiques tant en hospitals públics com en centres de salut i xicotetes clíniques privades.

El projecte, batejat com Dirac, està liderat per l’IFIC, que col·labora per a la seua execució amb la Fundació FISABIO i l’Institut de Telecomunicacions i Aplicacions Multimèdia (iTEAM), de la Universitat Politècnica de València (UPV). A més, compta amb el suport de l’AVI, en el marc de la convocatòria d’ajudes en concurrència competitiva corresponent a 2020.

Dirac proposa una metodologia basada en minicontroladors que faciliten la implementació de models d’Intel·ligència Artificial (IA), capaces d’interoperar amb els formats d’imatge mèdica de manera autònoma, segura i eficient. La incorporació d’aquesta tecnologia al sector de la salut no sols millorarà la productivitat i la precisió i interpretació de la imatge mèdica, sinó que reduirà també els costos operacionals.

En l’actualitat, ja s’estan desenvolupant models d’IA per a la detecció automàtica de patologies a partir de radiografies de tòraxs. En concret, i en el marc de la pandèmia, s’han dissenyat i integrat algorismes que detecten l’afecció pulmonar per Covid-19 de manera primerenca, en el marc d’un projecte de l’Institut de Salut Carles III del qual l’IFIC ha resultat també beneficiari.

Per a dur a terme aquesta iniciativa, aquest centre de titularitat compartida ha fet ús d’una de les majors col·leccions d’imatges radiològiques etiquetades en el món, que pertany al Banc d’Imatge Mèdica de la Comunitat Valenciana, que gestiona la Fundació FISABIO. Així mateix, per a l’entrenament eficient i validació de models d’aprenentatge profund (Deep Learning) i Intel·ligència Artificial es compta amb Àrtemis, la plataforma de computació de l’IFIC amb una elevada capacitat de càlcul dedicada al desenvolupament d’aquests models.

Solució per a tot tipus d’usuaris

En la pràctica, la Intel·ligència Artificial, com a disciplina aplicada a la medicina, ofereix múltiples avantatges vinculats a l’augment de la productivitat dels serveis sanitaris o a la reducció dels costos d’operació. No obstant això, l’adopció d’aquestes tecnologies es troba encara amb algunes barreres en el sector sanitari com, per exemple, la interoperabilitat amb els diferents sistemes d’imatge mèdica o el cost d’implantació en clíniques de xicoteta grandària.

Precisament per a superar aquestes dificultats, el projecte Dirac tracta de mostrar noves vies per a l’adopció, implantació i posada en producció de la IA en el sector de la imatge mèdica de manera transparent i eficient, tant per als processos de diagnòstic i seguiment de pacients per part dels professionals sanitaris, com per als sistemes d’informació dels centres sanitaris.

Està enfocat específicament perquè puga ser utilitzat per xicotetes clíniques que, per costos d’operació, no entren en els recursos proporcionats per grans operadores, però també per a petites empreses integradores de solucions que vulguen personalitzar i monetitzar directament les seues solucions de IA, o bé organitzacions que vulguen separar o personalitzar algorismes d’IA, amb independència de solucions generalistes.

A més, l’ús de minicontroladorsper a aquests desplegaments garanteix un consum d’energia òptim fins i tot en situacions de màxim rendiment, en comparació amb una altra mena de dispositius convencionals.

Dirac connecta amb l’Estratègia d’Especialització Intel·ligent de la Comunitat Valenciana, coneguda com RIS3, que coordina la Conselleria d’Innovació, Universitats, Ciència i Societat Digital. En concret, el projecte encaixa en l’eix de la Promoció de la salut i sanitat eficient, ja que aspira a promoure una sanitat intel·ligent promovent la millora i el desenvolupament de serveis i processos sanitaris eficients i proporcionant un servei d’ajuda al diagnòstic i interpretació radiològica de baix cost i alt rendiment.

Així mateix, també s’alinea amb les conclusions del Comité Estratègic d’Innovació Especialitzat (CEIE) en Tecnologies Habilitadores promogut per l’AVI, que aposta per tecnologies de visió artificial més robustes mitjançant el desenvolupament d’algorismes, preferentment, basats en Deep Learning.

Hipoxia doradas adaptación ejercicio IATS

Totes dues imatges mostren dos casos diferents de radiografies de tòraxs. A l’esquerra la imatge original i a la dreta el mapa de calor que mostra aquelles parts que el model d’intel·ligència artificial està considerant per a tindre en compte el diagnòstic final (un color roig més intens implica major pes a l’hora de classificar la imatge perquè l’algorisme prenga la decisió). Crèdits: FISABIO/IFIC (CSIC-UV).

Material de descàrrega
Imatge (jpeg)
Nota de premsa (pdf)

Share This