Una nueva base de radiografías, conteniendo unas 350 mil placas detalladas de tórax, se ha puesto a disposición de quien lo deseé. Es libre y gratuita para académicos, usos clínicos y para investigadores de la industria. Este tipo de bases de datos puede ser muy útil no sólo para los médicos, sino para los investigadores que por ejemplo, se encuentren trabajando en proyectos que tengan que ver con procesamiento digital de imágenes, entre otras ideas. El acceso a un gran número de imágenes puede permitir a los desarrolladores de software mejores algoritmos, más robustos en general. Y de hecho, las placas en la base de datos se han mejorado para identificar detalles o enfatizar áreas críticas, en donde todo esto puede tener un potencial masivo para los radiólogos e investigadores médicos en su quehacer profesional.
La semana pasada, el Laboratorio para la Fisiología Computacional del MIT, que es parte del Instituto para la Ingeniería Médica y las Ciencias (IMES por sus siglas en inglés), liderado por el Profesor Roger Mark, lanzó una primera vista de su base de datos de placas radiológicas denominada MIMIC-Chest X-Ray Database (MIMIC-CXR), que es un depósito digital de 350 mil radiografías de tórax, las cuales se obtuvieron en un periodo de cinco años del Centro Médico Beth Israel Deaconess en Boston.
Cabe señalar que había un proyecto previo, MIMIC-III, el cual usa los datos de pacientes en condiciones críticas, tomados de 40 mil unidades de terapia intensiva, el cual es abierto y libre para los investigadores, académicos y médicos, a través del recurso de investigación PhysioNet. La nueva base de datos representa la colección más grande de placas radiográficas de tórax a la fecha.
Mediante el acceso a través de MIMIC-CXR, fundado por Philips Research, los usuarios registrados pueden desarrollar más fácilmente algoritmos para los 14 hallazgos más comunes en las radiografías, incluyendo neumonía, cardiomegalia (corazón más grande), edema (exceso de fluido) y pulmones con punciones. Mediante una serie de localizadores visuales a diagnósticos específicos, las máquinas pueden ayudar a los médicos a llegar a conclusiones más precisas, de forma más certera y más rápidamente, lo cual puede ser de vital importancia en casos de emergencia. Estos algoritmos han demostrado ser especialmente benéficos en hospitales con poco personal o con pocos fondos para operar.
“Las áreas rurales normalmente no tienen radiólogos”, dice Alistair W. Johnson, uno de los desarrolladores de la base de datos junto con Tom J. Poland, , Nathaniel R. Greenbaum y Matthew P. Lungren, además de Seth J. Berkowitz, director de innovación radiológica en informática, Chih-ying Deng de la escuela médica de Harvard y Steven Horng, director asociado de informática médica de emergencias en Beth, Israel. “Si se tiene un cuarto lleno de pacientes y no hay tiempo de consultar con un radiólogo, nuestro modelo puede ser de ayuda”.
Se espera que en el futuro se liguen los datos de MIMIC-III y de las áreas de cuidados intensivos, de manera que se tenga una accesibilidad mayor para los médicos y los investigadores de áreas clínicas. Cabe señalar que los investigadores del Grupo de Stanford en Aprendizaje de Máquinas y el Centro Stanford para la IA en Medicina e Imagenología, han liberado una base de datos similar basándose en una colección de estudios de 15 años del hospital Stanford. “Con estudios de un solo centro, nunca se puede estar seguro del diagnóstico, pues hay un sesgo incluso cuando se diagnostica y es por eso que las pruebas de muchos centros son muy poderosas”.
“El siguiente paso es el de los reportes de texto, con lo que se podrá tener una historia completa. Cuando un radiólogo vea las placas de rayos X, podrá saber quién es la persona y por qué está ahí. Si se desea hacer la vida de los radiólogos más fácil, los modelos necesitan conocer quién es la persona”, indican los investigadores.
