Ingeniería, salud y sociedad
Alumnos de Ingeniería de Sistemas idearon una forma de predecir si una persona está infectada de Covid-19 a partir de una radiografía. Se trata de Tomás Giraudo y Octavio Di Marco, autores del trabajo: Predicción de infección pulmonar por SARS-Cov2 mediante redes neuronales y análisis de imágenes radiográficas de tórax. El objetivo de la investigación es ayudar con el diagnóstico al personal médico en tiempo real y sin tener que realizar grandes gastos en hardware dedicado, es decir, que puedan utilizarlo sin problemas en su smartphone tablet.
Todos los años para cerrar la materia Sistemas Inteligentes de 5to año de Ingeniería de Sistemas, se presentan diferentes propuestas a los estudiantes. "Se trata de trabajos donde deben aplicar los conocimientos de la materia, –comenta Elmer Fernández, profesor de la cátedra– por lo que la consigna es encararlos desde una perspectiva de ciencia de datos."
Este año, Nelo Nanfara y Franco Bobadilla desarrollaron un software de redes neuronales para búsqueda de agrupamientos; Natalia Villegas y Emiliano Cussino realizaron el trabajo: Análisis no invasivo de Blastocitos y su potencial predicción de embarazo. Por su parte, Ayelén Andrade y Santiago Díaz González trabajaron sobre Evaluación de regiones antigénicas del virus SARS-Cov2.
En esta nota, Tomás y Octavio nos cuentan un poco más sobre su experiencia.
"La materia para la que realizamos este proyecto está orientada al descubrimiento de conocimientos y minería de datos con técnicas que involucran la inteligencia artificial. A lo largo del semestre evaluamos distintos métodos de análisis de datos para luego aplicarlos a problemáticas que surgen en la sociedad– aclaran. Nuestro trabajo consistió en entrenar una red neuronal convolucional. Se trata de una técnica enfocada al análisis de imágenes que puede predecir si un paciente ha contraído Covid-19, neumonía o, en su defecto, ninguna de las anteriores a partir de una imagen de radiografía de tórax. Para ello, utilizamos la tabla de datos COVIDx, que contiene más de 15 mil imágenes radiográficas de tórax. En cada una de ellas, se aclara si el paciente posee una de las tres condiciones antes mencionadas."
Con el fin de obtener los mejores resultados, se les pidió trabajar estas imágenes a través de dos arquitecturas de modelos diferentes. Un modelo, es un conjunto de patrones y valores para trabajar y entrenar los datos a estudiar. "Utilizamos una técnica conocida como 'Transfer-Learning'– comentan, que nos permite utilizar un modelo previamente entrenado y re-entrenarlo con nuestros datos. La ventaja de esta técnica radica en el hecho de que estos modelos han sido arduamente probados y sus buenos resultados están garantizados."
La consigna no solo especificaba reportar métricas sobre precisión y especificidad de los modelos, sino además su velocidad y en qué tipo de dispositivo fueron entrenados y puestos a prueba. Estos datos son sumamente importantes para el trabajo, cuyo fin es ayudar con el diagnóstico al personal médico en tiempo real y sin tener que realizar grandes gastos en hardware dedicado, es decir, que puedan utilizarlo sin problemas en su smartphone tablet.
Como resultado, obtuvieron un modelo capaz de predecir con un 99% de precisión la presencia o no de COVID-19 en una persona. Se trata de un porcentaje elevado, aunque ellos buscan mejorarlo para que sea aún más exacto. "Esta herramienta va a ser clave al momento de diagnosticar a un paciente y servir de apoyo al personal de salud", dicen.
"Fue una experiencia muy gratificante ya que, aplicando conceptos propios de la carrera fuimos capaces de aportar y dar solución a la problemática que nos acontece. Usamos herramientas muy solicitadas en la actualidad y con un amplio abanico de aplicaciones. Ciertamente, estas tecnologías son el futuro y nos enorgullece poder utilizarlas con el fin de aportar y contribuir a la solución de esta pandemia", finalizaron.
Estudiá Ingeniería de Sistemas en la Católica.