El 19 de noviembre, Pablo Arbeláez, profesor asociado del Departamento de Ingeniería Biomédica de la Universidad de los Andes y director del grupo de investigación Biomedical Computer Vision (BCV) y su estudiante doctoral, Laura Daza, fueron parte de un selecto grupo de investigadores galardonados por Google en Belo Horizonte, Brasil.
Google, en su compromiso por desarrollar nuevas tecnologías y manteniendo fuertes lazos con las mejores universidades de Latinoamérica, llevó a cabo la octava versión de los premios LARA (Latin American Research Awards). Los premios LARA otorgan financiación de un año para apoyar el trabajo de profesores y estudiantes de maestría o doctorado que realicen investigaciones de vanguardia en campos específicos relacionados con la informática. En la edición de 2019, el monto total de financiamiento que será distribuido entre los investigadores seleccionados es de US $ 500,000. Está subvención anual, que es de uso libre, puede ser renovada hasta por tres años.
Los investigadores IBIO participaron con el proyecto Lung Nodule Detection and Malignancy Prediction Using Multimodal Neural Networks, el cual busca desarrollar una herramienta de aprendizaje profundo* (deep learning) que ayude a los médicos a realizar una detección temprana de nódulos pulmonares cancerígenos.
Según la Organización Mundial de la Salud, el cáncer de pulmón es el tipo de cáncer que causa mayor mortalidad en el mundo. Su gravedad aumenta debido a que su detección en etapas tempranas es de gran dificultad. Los nódulos pulmonares en su estado inicial son muy pequeños, pueden ser de tres milímetros de diámetro, lo cual ha generado que hasta en un 40 o 50 por ciento de las veces no sean detectados por los médicos la primera vez y, lamentablemente, para una segunda revisión la enfermedad puede haber evolucionado a estados críticos.
Además, es normal que algunas personas tengan nódulos pulmonares y en caso de presencia de cáncer pueden estar afectados sólo unos pocos nódulos. Es por esto que el profesor Pablo y su estudiante buscan utilizar la inteligencia artificial para detectar y clasificar estos nódulos de forma efectiva cuando tienen un tamaño muy reducido, momento ideal para combatir la enfermedad con mayores probabilidades de éxito. En el mundo, se han desarrollado varias investigaciones sobre detección y clasificación de nódulos, inclusive Google tiene una de las más grandes en el tema. Sin embargo, hasta el momento no se ha desarrollado ningún algoritmo que utilice la historia clínica del paciente como complemento a las imágenes diagnósticas, y ese es el factor innovador de los investigadores IBIO. Por ejemplo, si se encuentra un nódulo en una persona que lleva 30 años fumando, no es equivalente a detectarlo en una persona que nunca ha fumado.
Por tanto, el proyecto que será financiado por Google es el desarrollo de una herramienta capaz de integrar la información visual de una tomografía axial computarizada con el procesamiento del lenguaje natural para extraer la información que se necesita de la historia clínica del paciente. Es decir, se podrá subir a un servidor la información del paciente, su tomografía computarizada y su historia clínica, después el servidor procesará la imagen junto con la información y finalmente arrojará un resultado que guíe al médico en el diagnostico. La herramienta podrá detectar los nódulos, determinar si son benignos o malignos y la probabilidad de encontrar cáncer en ellos. La construcción de la base de datos que alimentará la herramienta se hará en colaboración con la Fundación Santa Fe de Bogotá (FSFB).
“Google se interesó en nuestro proyecto por el impacto que tendrá en la salud pública y por los resultados que hemos tenido en el pasado. El profesor Arbeláez junto a los estudiantes Edgar Margffoy, Emilio Botero y Juan Camilo Pérez, integrantes del BCV, fueron publicados en el 2018 por la prestigiosa conferencia European Conference on Computer Vision (ECCV) con un artículo de integración de lenguaje natural e imágenes y junto con Gustavo Pérez ganó un challenge mundial para la identificación y clasificación de nódulos. Entonces, en nuestro grupo de investigación, ya tenemos las bases en esas áreas, ahora vamos a combinar ese conocimiento para resolver un problema médico de alto impacto”, explicó Laura Daza.
Al igual que los desarrollos que ha logrado el grupo en el pasado, una vez conseguido sus objetivos, los investigadores dejarán de libre acceso sus datos y algoritmos para impulsar la investigación en el área.
Otros participantes del proyecto:
Ángela Castillo, estudiante de maestría IBIO.
María Fernanda Roa, estudiante de pregrado IBIO.
* El aprendizaje profundo aplicado a imágenes médicas es una forma de aprendizaje de máquinas en la que se utilizan redes neuronales muy profundas, estos algoritmos permiten que el computador aprenda a encontrar patrones complejos en los datos para clasificar, segmentar o entregar la información requerida.