Detalle nota de prensa

- El desafiament científic es realitzarà en la plataforma Kaggle, que reuneix centenars de milers d'experts en desafiaments basats en ciència de dades a escala mundial
- Aquesta competició és una continuació del projecte de FISABIO que va rebre finançament de la Conselleria d'Innovació en la Crida al Sistema d'Innovació i Investigació


Científics de la Fundació per al Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana (FISABIO), en col·laboració amb la Society for Imaging Informatics in Medicine (SIIM), han convocat aquest desafiament científic a escala internacional per a la detecció de COVID-19 en radiografies de tòrax utilitzant intel·ligència artificial (IA).

El desafiament científic es realitzarà en Kaggle, una plataforma que es troba en l'avantguarda de l'aprenentatge automàtic o 'machine learning' i que reuneix centenars de milers d'experts en desafiaments de tota índole a escala mundial basats en ciència de dades.

Aquesta competició s'emmarca en el projecte "Construcció d'un 'dataset' en obert, per a la detecció precoç de pneumònia per COVID-19 a partir d'una radiografia simple de tòrax", liderat per la doctora María de la Iglesia-Vayá en col·laboració amb el doctor José María Salinas.

Aquest projecte, més conegut com a BIMCV-COVID-19, va estar inspirat en el projecte PADCHEST de la doctora Aurelia Bustos i va ser seleccionat i finançat per la Conselleria d'Innovació, Universitats, Ciència i Societat Digital en la Crida al Sistema Valencià d'Innovació i Investigació, i en col·laboració amb la Conselleria de Sanitat Universal i Salut Pública, que va autoritzar el projecte des dels inicis.

El treball ha sigut valorat positivament per molts laboratoris a escala mundial i la Society for Imaging Informatics in Medicine (SIIM) es va posar en contacte amb l'equip del Banc d'Imatges Mèdiques de la CV (BIMCV) per a realitzar aquest 'challenge' de Kaggle en la detecció de COVID-19 a través de la radiologia convencional de tòrax. Aquest desafiament es convocarà en breu a escala mundial perquè hi participen científics de tots els països i aporten tot el seu talent en aquesta causa.

IA contra la COVID-19

Els científics han recopilat dades de radiografies toràciques procedents de la Comunitat Valenciana per a generar models predictius utilitzant la IA. Aquests models són supervisats per radiòlegs especialistes, amb la finalitat de detectar de manera primerenca la pneumònia per COVID-19 en pacients amb símptomes lleus.

Igualment, permet ajudar a l'estratificació del risc de pacients amb símptomes moderats, i ajudarà a identificar pacients amb més risc d'evolució a una condició greu o crítica. Les dades són totalment anònimes, de manera que no es puga identificar a qui pertanyen les radiografies; la informació recollida fa referència únicament a aspectes clínics.

L'objectiu és generar un conjunt de dades en obert ('dataset' OPEN) reconegut a escala mundial com un dels 'datasets' més complets i organitzats, que permeta als científics de dades treballar en desenvolupaments d'algoritmes d'intel·ligència artificial per a elaborar models predictius i desenvolupar eines orientades al diagnòstic simple, ràpid i efectiu de la COVID-19 que, en últim terme, ajudara a agilitzar la càrrega de treball dels professionals sanitaris.

Actualment s'han compartit més de 12.456 sessions de radiografies de tòrax pertanyents a uns 4.706 subjectes amb patologia COVID, així com més de 6.012 sessions de radiografies pertanyents a uns 4.437 pacients sans o amb diferents patologies provinents dels sistemes d'informació sanitaris de la Conselleria de Sanitat Universal i Salut Pública, que seran la base amb la qual s'iniciarà aquest desafiament científic.

Fins ara la resposta ha sigut molt positiva, amb descàrregues des de tots els continents i amb un ampli reconeixement a escala mundial. Per a aconseguir-ho, ha sigut fonamental la col·laboració del Centre d'Investigació Príncep Felip (CIPF) i del Barcelona Supercomputer Center (BSC-CNS), que ha proporcionat una instància de B2DROP per a la distribució d'aquest treball. B2DROP és part dels serveis d'infraestructura de dades col·laboratives d'EUDAT (www.eudat.eu).

En aquest moment, l'equip de radiòlegs de l'Hospital Sant Joan d'Alacant, liderat pel seu cap de servei, el doctor Joaquín Galán, juntament amb la doctora Aurelia Bustos, es troben realitzant un etiquetatge previ necessari per a preparar les dades de manera que els científics puguen realitzar bons models predictius.

En la construcció del 'dataset' BIMCV-COVID-19, que es pot descarregar per mitjà de l'adreça web https://bimcv.cipf.es/bimcv-projects/bimcv-covid19, s'han tingut en compte els quatre principis fonamentals FAIR per al maneig de dades científiques: capacitat de cerca, accessibilitat, interoperabilitat i reutilització. És important destacar que la intenció de l'equip investigador és que els principis s'apliquen no només a les dades en el sentit convencional, sinó també als algoritmes, eines i fluxos de treball. L'aplicació d'aquests principis a totes les fases del procés d'investigació garanteix la transparència, la reproductibilitat i la reutilització.

Finalment, cal destacar que en breu s'incorporarà aquest 'dataset' com un nou cas d'ús per a l'avaluació de les llibreries europees (EDDL & ECVL) que s'estan desenvolupant dins del marc del projecte Europeu DeepHealth.

L'equip investigador està compost per Marisa Caparrós; els 'data curators' Joaquim Ángel Montell, José Manuel Saborit i Elena Oliver; a més d'investigadors de la Universitat d'Alacant, la Universitat Miguel Hernández, Medbravo, Sierra Research i la col·laboració de General Electric. També ha col·laborat en la definició inicial del projecte el servei tècnic de la Delegació de Protecció de Dades de la Generalitat Valenciana.