Crowdsourcing de un repositorio abierto de imágenes de COVID-19 para la investigación de IA

La pandemia de COVID-19 está dejando al descubierto la necesidad de conjuntos de datos seleccionados accesibles que los investigadores puedan usar para construir modelos de inteligencia artificial (IA) de grado clínico. Investigadores en China utilizaron recientemente modelos de aprendizaje profundo de IA de grado clínico entrenados en imágenes radiográficas a escala exponencial para detectar casos de COVID-19 y optimizar la asignación de recursos limitados. (Jin S, Wang B, Xu H, et al. Análisis de imágenes por tomografía computarizada asistido por inteligencia artificial para la detección de covid-19: construcción e implementación de un sistema médico de inteligencia artificial en cuatro semanas. medRxiv. 2020:2020.2003.2019.20039354. doi: 10.1101/2020.03.19.20039354). Esta plataforma de investigación actualmente no es posible en los Estados Unidos porque no hay grandes conjuntos de imágenes radiográficas accesibles de pacientes con COVID-19 para aprovechar. Por lo tanto, el propósito de este proyecto es lanzar un portal web interactivo y compatible con HIPAA, CovidImaging.com, donde los pacientes pueden compartir de forma segura sus datos de imágenes radiográficas. Este portal servirá como repositorio de imágenes con el fin de entrenar, probar y validar un modelo de IA destinado a una detección más temprana y precisa de enfermedades en esta lucha global contra el COVID-19.

El 30 de enero de 2020, la Organización Mundial de la Salud designó el brote de COVID-19 que se originó en Wuhan, China, como una emergencia sanitaria mundial. Desde entonces, el virus se ha propagado rápidamente por todo el mundo como una pandemia, afectando desfavorablemente a los sistemas de atención médica a expensas de los requisitos de atención primaria de la salud.1Sintomático Los casos de COVID-19 se presentan con síntomas clínicos similares a la neumonía viral, como fiebre, dificultad para respirar, escalofríos, fatiga, tos y disnea que pueden progresar a síndrome de dificultad respiratoria aguda, que requiere cuidados intensivos y ventilación. 2 El análisis de lavado broncoalveolar y la microscopía electrónica identificaron que el agente causante era un nuevo virus de ARN de sentido positivo en la familia Coronaviridae, con peplómeros puntiagudos adheridos a su cubierta.3 Esta familia de virus también se ha asociado con el síndrome respiratorio agudo severo (SARS) y el síndrome respiratorio de Oriente Medio (MERS), que causan una mortalidad similar relacionada con la neumonía.

Se han realizado revisiones preliminares para investigar la superposición de las características de imágenes informadas en SARS, MERS y COVID-19 en relación con el inicio de los síntomas, la progresión de la enfermedad y el seguimiento. La evidencia preliminar sugiere una superposición significativa en las características de las imágenes, como áreas subpleurales y periféricas de opacidad en vidrio esmerilado y consolidación, con imágenes torácicas iniciales que indican anomalías en al menos el 85 % de los pacientes con COVID-19. 4 En ausencia de vacunas y fármacos terapéuticos específicos para la prevención y tratamiento de la COVID-19, la detección de la enfermedad juega un papel fundamental en las estrategias de contención que aíslan a las personas infectadas de la población sana. Aunque la sensibilidad de la RT-PCR para COVID-19 puede ser tan baja como 60-70%, actualmente es el método de prueba a gran escala con su alta especificidad.7 La baja sensibilidad de la RT-PCR, junto con las limitaciones en la recolección de muestras, el tiempo de demora, el transporte y el equipo de laboratorio, significa que no se están identificando a tiempo suficientes personas con COVID-19 positivo para prevenir la infección progresiva de este virus altamente contagioso. Dada la afectación respiratoria en las infecciones por COVID-19, la radiografía de tórax ha jugado un papel importante en la detección, el diagnóstico y el desarrollo de planes de tratamiento para pacientes con neumonía relacionada con COVID-19. Por lo tanto, combinar imágenes con hallazgos clínicos y de laboratorio podría facilitar el diagnóstico temprano de COVID-19.5 La detección temprana aceleraría el tratamiento y permitiría el aislamiento temprano del paciente. Esto es esencial para la implementación de la vigilancia, contención y respuesta de salud pública para una enfermedad altamente transmisible en la que la transmisión puede ocurrir antes de la aparición de los síntomas. Mejorar la precisión de la interpretación radiográfica con modelos de IA puede mejorar la tasa de detección y el pronóstico del paciente y, por lo tanto, ayudar a reducir la propagación de COVID-19.

Como se informó recientemente, la TC de tórax muestra características radiográficas comunes en casi todos los pacientes con COVID-19, incluidas opacidades en vidrio esmerilado 4, consolidación en parches multifocales y/o cambios intersticiales con una distribución periférica. 8,9 También se han realizado estudios para comparar la eficacia y el valor diagnóstico de la TC de tórax con las pruebas de RT-PCR en casos de COVID-19. Un informe de caso de 1014 pacientes en China concluyó que la TC de tórax tiene una alta sensibilidad para el diagnóstico de COVID-19, con un 60 % a 93 % de los casos mostrando un diagnóstico inicial positivo de TC antes de los resultados positivos iniciales de RT-PCR. 10 Otro estudio con 51 pacientes a los que se les realizó una TC de tórax y un ensayo de RT-PCR dentro de los 3 días mostró que la sensibilidad de la TC para la infección por COVID-19 fue del 98 %, en comparación con el 71 % de sensibilidad de la RT-PCR.11 Estos estudios indican además el valor diagnóstico de las radiografías de tórax junto con los hallazgos clínicos y de laboratorio. Este proyecto desarrollará un gran depósito de imágenes radiográficas que se utilizará para entrenar y validar un modelo de aprendizaje profundo de IA. Este proyecto implica necesariamente no solo diseñar y perfeccionar un modelo de aprendizaje profundo, sino también conservar un depósito de radiografías de tórax donadas que se utilizarán para entrenar el nuevo modelo. El uso de una plataforma en línea segura y de quejas de HIPAA, como se ha diseñado para este proyecto, permitirá que este emplee un enfoque de big data para mejorar la precisión del modelo. Dado que los pacientes de los centros de atención médica de todo el país tendrán las mismas oportunidades de participar en el proyecto, este portal también brindará la oportunidad de expandir el grupo demográfico de una manera que los estudios anteriores no pudieron.