1 comentario

Científicos de la UIB desarrollan un aprendizaje automático interpretable para el diagnóstico de la anemia drepanocítica

Equipo de investigadores de la Unidad de Gráficos y Visión por Ordenador e Inteligencia Artificial (UGIVIA) y del grupo de investigación SCOP – Foto: A.Costa / UIB

Un equipo de investigadores de la Universidad de las Islas Baleares ha desarrollado un aprendizaje automático interpretable para el diagnóstico de la anemia drepanocítica, enfermedad hereditaria de los glóbulos rojos.

Los investigadores de la UIB proponen una metodología basada en el uso de algoritmos de reconocimiento automático imágenes que pueden ser interpretados por los humanos para apoyar el diagnóstico de esta enfemedad.

La anemia drepanocítica o enfermedad de células falciformes es un trastorno hereditario de los glóbulos rojos, que hace que adopten forma de hoz o de media luna.

A diferencia de los glóbulos rojos sanos, la forma irregular y la falta de elasticidad de los glóbulos rojos falciformes hace que mueran antes de tiempo y no puedan llegar a todo el cuerpo. Los afectadas sufren escasez de glóbulos rojos, anemia y otras complicaciones.

Una de las técnicas que se utiliza para diagnosticar esta enfermedad es la observación con microscopio de muestras de sangre de los pacientes y el recuento de los glóbulos rojos que presentan forma de hoz.

Esta tarea consume grandes cantidades de tiempo de los médicos. Ahora bien, esta situación podría quedar atrás si los médicos contaran con el apoyo de sistemas de diagnóstico basados ​​en el uso de inteligencia artificial.

Con este objetivo, un equipo de investigadores de la UIB ha propuesto el uso de algoritmos de reconocimiento automático imágenes para el análisis de muestras de sangre con el objetivo de automatizar el diagnóstico de la anemia drepanocítica y hacerlo más rápido.

Los investigadores son miembros de la Unidad de Gráficos y Visión por Ordenador e Inteligencia Artificial (UGIVIA) y del grupo de investigación en Soft Computing, Procesamiento de Imágenes y Agregación (SCOP) de la UIB.

En su trabajo han evaluado los parámetros de los glóbulos rojos en aspectos tales como la forma, el color y la textura, así como los métodos de clasificación que ofrecen mejores rendimientos para el diagnóstico mediante imágenes de muestras de sangre.

Posteriormente, los investigadores han elaborado un algoritmo capaz de reconocer de manera automática las células falciformes en imágenes de muestras de sangre que ha dado mejores resultados que las metodologías desarrolladas hasta el momento.

Además, para confiar en el comportamiento del sistema propuesto, también se ha analizado la interpretabilidad.

Esta investigación se ha publicado recientemente en la revista científica Computers in Biology and Medicine y se ha hecho en el marco de los proyectos de investigación Explaining (Explainable Artificial Intelligence systems for health and well-being, PID2019-104829RA-E00 / AEI / 10.13039 / 501100011033) y TSOCTIPI (Soft Computing techniques for uncertainty management in imagen processing, TIN2016-75404-P), del Plan estatal de investigación científica y tecnológica y de innovación del Gobierno de España, y el proyecto PROCOE / 2/2017 del Gobierno de las Islas Baleares.

Publicaciones recientes

Publicaciones recientes

1 comentario. Dejar nuevo

  • El acrónimo del grupo de investigación “Soft Computing, Procesamiento de Imágenes y Agregación” es SCOPIA, no SCOP.

    Responder

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Rellena este campo
Rellena este campo
Por favor, introduce una dirección de correo electrónico válida.

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.