Magazine

CAD4TB, acrónimo para «computer-aided detection for tuberculosis» (detección asistida por ordenador para la tuberculosis), está aquí para ayudar a los profesionales de la salud en todo el mundo en el diagnóstico de tuberculosis activa, una enfermedad que todavía se presenta con una alta incidencia, así como con altas tasas de mortalidad, en particular en países pobres. ¿Cómo funciona el algoritmo CAD4TB? El algoritmo CAD4TB es un código que trabaja con imágenes de rayos X torácicas póstero-anteriores DICOM de alta calidad, de pacientes con más de 16 años. El algoritmo detecta la forma de los pulmones y evalúa su textura. Sobrepone un «mapa de temperatura» sobre las áreas de los pulmones, en el que el azul indica áreas normales y los colores verde/amarillo/naranja/rojo indican áreas con probabilidad creciente de anormalidades que se asemejan a tuberculosis, o sea, áreas con texturas anormales potencialmente provocadas por tuberculosis activa. Además de ofrecer este mapa de temperatura, el algoritmo genera una puntuación que indica la probabilidad de tuberculosis activa en una escala de 0 (baja probabilidad) a 100 (alta probabilidad). Algoritmo CAD4TB: puntuación baja. Izquierda: imagen de raios X; derecha: mapa de temperatura del algoritmo CAD4TB. Algoritmo CAD4TB: puntuación alta. Izquierda: imagen de raios X; derecha: mapa de temperatura del algoritmo CAD4TB. ¿Una puntuación CAD4TB alta es suficiente para diagnosticar tuberculosis activa? Los profesionales de la salud definen un determinado límite para la puntuación; si el porcentaje de un paciente es más alto que ese valor, ha de realizarse una prueba a la expectoración para confirmar el diagnóstico. La puntuación no confirma la enfermedad per se, pero permite que los pacientes sean enviados para un diagnóstico definitivo solo cuando existe una puntuación alta sospecha, lo que ayuda a disminuir los costes del diagnóstico, en particular cuando realizado en una población grande. ¿Por que motivo este algoritmo ha sido desarrollado? Los desarrolladores del algoritmo CAD4TB pretendían ofrecer una solución rápida y fácil para detectar tuberculosis. Desde su concepción, este algoritmo ha sido planeado para ser utilizado en países de bajos ingresos y en desarrollo — aquellos donde la prevalencia de tuberculosos es más alta. La Organización Mundial de la Salud (OMS) había ya recomendado los rayos X como método sistemático para cribado de tuberculosis, considerando sus costes operacionales bajos y resultados rápidos; sin embargo, pese a estos beneficios en términos de costes/velocidad, sigue siendo necesario conocimiento especializado para interpretar las imágenes de rayos X. Aquí el algoritmo CAD4TB asume un papel importante: señala automáticamente potenciales casos positivos de tuberculosos activa, y esos casos sospechosos pueden confirmarse a distancia por especialistas en cualquier parte del mundo (gracias a una tecnología basada en cloud denominada CAD4TBcloud). ¿Quienes han desarrollado este algoritmo? El software CAD4TB ha sido desarrollado por el Diagnostic Image Analysis Group (un grupo que pertenece a los Departamentos de Radiología y Medicina Nuclear, Patología y Oftalmología del Centro Médico de la Universidad de Radboud, Países Bajos) y por la Delft Imaging Systems (una empresa especializada en el desarrollo de dispositivos de imagen de diagnóstico con sede en Veenendaal, Países Bajos). Los derechos de distribución exclusivos están licenciados a Delft Imaging Systems. El desarrollo adicional de este algoritmo se realiza ahora por Thirona, una empresa spin off con origen en el Diagnostic Image Analysis Group. Para su desarrollo, este sistema ha utilizado aprendizaje automático para aprender a partir de imágenes interpretadas manualmente y también ha recibido contribuciones de especialistas de los pulmones de renombre de todo el mundo. Tuberculosis La tuberculosis todavía es una enfermedad que provoca un alto impacto en términos económicos y sociales. Según el último informe de OMS sobre la tuberculosis, esta enfermedad ha infectado alrededor de 10 millones de personas en 2017 y es una de las principales causas de muerte.