El Instituto Sistemas Complejos de Ingeniería, ISCI, y el Hospital Clínico de la Universidad de Chile, HCUCH, a través del apoyo de OpenBeauchef, firman acuerdo de colaboración

En la actualidad, los problemas que afectan al sistema de salud requieren soluciones urgentes y complejas, ¿Cómo se beneficia la medicina de la investigación científica, el data science y la inteligencia artificial? Esta pregunta instó la alianza entre al Instituto Sistemas Complejos de Ingeniería, ISCI, OpenBeauchef y el Hospital Clínico de la Universidad de Chile, HCUCH, en la implementación y desarrollo de herramientas que mejoran la gestión, toma de exámenes, detección de anomalías a pacientes, e incluso, favorecen la formación de médicos especialistas.

La ambiciosa iniciativa busca permear a todos los ámbitos de la salud innovaciones tecnológicas en el campo de Mejoras de Procesos en Teleradiología, Big Data, Data Science y Eye Tracking.

OpenBeauchef, como ecosistema de innovación y emprendimiento de base científica y tecnológica de la FCFM, aportará a través de su área de Transferencia Tecnológica para el desarrollo de los futuros proyectos.

Cuidando la protección de datos, junto a un comité de ética, Ángel Jiménez, investigador del ISCI, junto a Jorge Gaete, su equipo y médicos especialistas, trabaja 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 atencion de pacientes, automatización en la toma de exámenes y apoyo en radiología, área que representa un 70% de los proyectos, son solo algunas aplicaciones de esta tecnología.

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

Entre los proyectos más innovadores 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 learning se 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, el cual se puede sistematizar con deep learning, disminuyendo el costo y tiempo asociado.
• Teleradiología: 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: ¿Cómo analiza un radiólogo experto una imagen?, 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.