Visión por computador, o el método de dar a las máquinas la capacidad de procesar imágenes de forma avanzada, Los investigadores han prestado mayor atención en los últimos años. Es un término amplio destinado a abarcar todos los medios a través de los cuales se pueden utilizar las imágenes para lograr objetivos médicos. Las aplicaciones van desde el escaneo automático de fotografías tomadas con teléfonos móviles hasta la creación de representaciones en 3-D que ayudan en las evaluaciones de los pacientes hasta el desarrollo de modelos algorítmicos para uso en la sala de emergencias en áreas desatendidas.

Dado que el acceso a un mayor número de imágenes puede proporcionar a los investigadores un volumen de datos ideal para desarrollar algoritmos mejores y más robustos, una colección de elementos visuales que se han mejorado, o borrado de los detalles de identificación de los pacientes y luego resaltado en áreas críticas, puede tener un potencial enorme para los investigadores y radiólogos que se basan en datos fotográficos en su trabajo.

La semana pasada, el Laboratorio de Fisiología Computacional del MIT, una parte del Instituto de Ingeniería y Ciencia Médica (IMES) dirigido por el profesor Roger Mark, lanzó una vista previa de su base de datos MIMIC-Chest X-Ray (MIMIC-CXR), un repositorio de más de 350, 000 radiografías de tórax detalladas obtenidas durante cinco años del Centro Médico Beth Israel Deaconess en Boston. El proyecto, como el MIMIC-III anterior del laboratorio, que contiene datos de pacientes de cuidados críticos de más de 40, 000 estancias en la unidad de cuidados intensivos, es gratuito y abierto a académicos, clínico, e investigadores industriales a través del recurso de investigación PhysioNet. Representa la mayor selección de radiografías de tórax disponibles públicamente hasta la fecha.

Con acceso al MIMIC-CXR, financiado por Philips Research, los usuarios registrados y sus cohortes pueden desarrollar más fácilmente algoritmos para catorce de los hallazgos más comunes de una radiografía de tórax, incluyendo neumonía, cardiomegalia (agrandamiento del corazón), edema (exceso de líquido), y un pulmón perforado. Al vincular marcadores visuales a diagnósticos específicos, Las máquinas pueden ayudar fácilmente a los médicos a sacar conclusiones más precisas más rápido y, por lo tanto, Manejar más casos en menos tiempo. Estos algoritmos podrían resultar especialmente beneficiosos para los médicos que trabajan en hospitales con fondos y personal insuficientes.

"Las zonas rurales no suelen tener radiólogos, "dice el científico investigador Alistair E. W. Johnson, co-desarrollador de la base de datos junto con Tom J. Pollard, Nathaniel R. Greenbaum, y Matthew P. Lungren; Seth J. Berkowitz, director de innovación informática en radiología; Chih-ying Deng de la Facultad de Medicina de Harvard; y Steven Horng, director asociado de informática de medicina de emergencia en Beth Israel. "Si tiene una habitación llena de pacientes enfermos y no tiene tiempo para consultar a un radiólogo experto, ese es un lugar donde un modelo puede ayudar ".

En el futuro, el laboratorio espera vincular el archivo de rayos X al MIMIC-III, formando así una base de datos que incluye tanto los datos como las imágenes de la UCI del paciente. Actualmente hay más de 9, 000 usuarios registrados de MIMIC-III que acceden a datos de cuidados críticos, y el MIMIC-CXR sería una bendición para aquellos en medicina de cuidados intensivos que buscan complementar los datos clínicos con imágenes.

Otro activo de la base de datos radica en su sincronización. Investigadores del Stanford Machine Learning Group y el Stanford Center for Artificial Intelligence in Medicine and Imaging publicaron un conjunto de datos similar en enero, recopilados durante 15 años en el Hospital de Stanford. Los grupos del Laboratorio de Fisiología Computacional del MIT y de la Universidad de Stanford colaboraron para garantizar que ambos conjuntos de datos publicados pudieran usarse con un mínimo de trabajo preliminar para el investigador interesado.

"Con estudios unicéntricos, nunca estás seguro de si lo que has encontrado es cierto para todos, o una consecuencia del tipo de pacientes que atiende el hospital, o la forma en que cuida, "Dice Johnson." Es por eso que los ensayos multicéntricos son tan poderosos. Al trabajar con Stanford, esencialmente, hemos empoderado a los investigadores de todo el mundo para que realicen sus propios ensayos multicéntricos sin tener que gastar los millones de dólares que normalmente cuesta ".

Al igual que con MIMIC-III, Los investigadores podrán obtener acceso a MIMIC-CXR completando primero un curso de capacitación sobre el manejo de sujetos humanos y luego aceptando citar el conjunto de datos en su trabajo publicado.

"El siguiente paso son los informes de texto libre, "dice Johnson." Nos estamos moviendo más para tener una historia completa. Cuando un radiólogo está mirando una radiografía de tórax, saben quién es la persona y por qué está allí. Si queremos facilitar la vida de los radiólogos, los modelos necesitan saber quién es la persona, también."

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.