Ingeniería y medicina se unen en proyectos tecnológicos para mejorar el sistema de salud

Fuente: Diario Financiero (Ver Aquí)

La iniciativa busca llevar a todos los ámbitos de la salud innovaciones tecnológicas en el campo de mejoras de procesos en telerradiología, Big Data, data science y eye tracking.

¿Cómo se beneficia la medicina de la investigación científica, el data science y la inteligencia artificial? Esta pregunta instó la alianza entre el Instituto Sistemas Complejos de Ingeniería (ISCI), OpenBeauchef y el Hospital Clínico de la Universidad de Chile (HCUCH), para implementar y desarrollar herramientas que mejoran la gestión, toma de exámenes, detección de anomalías a pacientes y la formación de médicos especialistas.

La iniciativa busca llevar a todos los ámbitos de la salud innovaciones tecnológicas en el campo de mejoras de procesos en telerradiología, Big Data, data science y eye tracking. OpenBeauchef, como ecosistema de innovación y emprendimiento de base científica y tecnológica de la Facultad de Ciencias Físicas y Matemáticas de la U. de Chile, aportará a través de su área de Transferencia Tecnológica para el desarrollo de los futuros proyectos.

Junto a un comité de ética, el investigador del ISCI, Ángel Jiménez, y médicos especialistas, trabajan en el desarrollo de herramientas que usan deep learning (modelo de redes neuronales que usa muchas capas y nodos, para procesar grandes volúmenes de datos, requiriendo gran capacidad de cómputo). Optimizar el uso de recursos para la atención de pacientes, automatización en la toma de exámenes y apoyo en radiología, área que representa un 70% de los proyectos, son sólo algunas aplicaciones de esta tecnología.

Para Jiménez,  eso permite, entre otras cosas, “entregar a los radiólogos una caja de herramientas que apoye su trabajo, otorgando eficiencia al análisis de imágenes médicas”.

Entre los proyectos se encuentran:

● Detección de bordes y perfusión en miocardio: a través de algoritmos se automatizan los exámenes de detección de bordes del miocardio, que actualmente se hace de forma manual, aumentando la eficiencia y exactitud del examen.

● Definición de líneas del piso pélvico: el examen de diagnóstico para prolapsos de órganos pélvicos y trastornos de incontinencia fecal es considerado uno de los más desagradables para los pacientes, que deben defecar ante un instrumento que mide el “antes y después”. Con la implementación diseñada por el equipo interdisciplinario, se podrá automatizar la evaluación del piso pelviano con imágenes de resonancia magnética funcional, su diagnóstico y, al largo plazo, mejorar la exactitud de los resultados.

● Análisis de datos transpulmonares: gracias al desarrollo de herramientas con machine learningse estiman las presiones transpulmonares regionales de las distinta zonas del pulmón de pacientes en condiciones de respiración asistida.

● Automatización de examen que detecta displasia de caderas: todos los niños del país deben someterse a este examen, que se puede sistematizar con deep learning, disminuyendo el costo y tiempo asociado.

● Telerradiología: en el Hospital de Castro se está implementando un piloto que transforma la calidad del servicio de radiología, mejorando la comunicación y fluidez de la institución con radiólogos expertos de Santiago. La herramienta establece un protocolo y templates para los informes de imagenología, que junto al análisis de texto con inteligencia artificial, evita las contradicciones que podrían llevar a un diagnóstico errado.

● Rediseño proceso de aprendizaje de internos radiólogos: con la ayuda del eye tracking se puede conocer el patrón exacto de observación que conduce al diagnóstico, permitiendo generar estrategias que mejoran la enseñanza y midan el aprendizaje de los estudiantes.