• 912 202 800
  • info@centrosdeexcelencia.com

Instrumentación y Componentes, S.A., Premio QIA 2021 en la categoría Innovación en el sector sanitario

  • Instrumentación y Componentes, S.A., Premio QIA 2021 en la categoría Innovación en el sector sanitario

    Instrumentación y Componentes, S.A., Premio QIA 2021 en la categoría Innovación en el sector sanitario

    TÍTULO DE LA INNOVACIÓN

    Sistema CADIA de análisis de imágenes médicas con técnicas IA para detección de diversas patologías.

     

    DESCRIPCIÓN CORTA DE LA INNOVACIÓN

    Diseño e implementación en un servicio regional de salud de una solución tecnológica innovadora que ayuda a la detección de diversas patologías mediante el análisis inteligente de imagen y su demostración en el cribado de cáncer de mama.

     

    DESCRIPCIÓN DE LA INNOVACIÓN

    En el año 2019 se diagnosticaron más de 250.000 tumores en nuestro país​, la incidencia ha aumentado un 12% en los últimos cinco años​, la cobertura del programa de cribado de cáncer de mama es del 89%​. El SERGAS, para mejorar la detección temprana de este tipo de cáncer, entre otros, promovió una Compra Pública de Innovación que buscaba potenciar la innovación empresarial a través de la contratación efectuada por el sector público. De este modo, se pueden adquirir productos fuera de mercado o desarrollos innovadores. Inycom y Vicomtech, con quien veníamos trabajando en IA aplicada a imagen médica desde el 2016, propusieron el desarrollo de una herramienta novedosa que integrara la IA en los flujos de trabajo de radiólogos y patólogos. Ganó la licitación y se ha acabado desarrollando con un equipo de investigación mixto de Inycom, sanitarios del SERGAS y Vicomtech, finalmente con un coste muy superior al de la propia licitación, entorno al 25% más.

    Una vez desplegado, tras más de 3.000 imágenes etiquetadas, CADIA proporciona al Servicio Gallego de Salud – SERGAS un entorno versátil para la creación de sistemas de análisis de imagen basados en inteligencia artificial con aplicación a diferentes patologías y modalidades de imagen, así como las metodologías y herramientas necesarias para desarrollar dichos sistemas. Dicho entorno facilita y agiliza la generación y entrenamiento de nuevos modelos computacionales, por ejemplo basados en clasificadores o redes neuronales, de tal manera que puedan aprovechar la gran cantidad de imágenes disponibles a nivel poblacional en el SERGAS y que sus resultados puedan ser fácil y rápidamente trasladables a la clínica, de tal manera que puedan ser utilizados de manera rutinaria en sus servicios por radiólogos, patólogos o facultativos de atención primaria o especializada, según la tipología de imagen y la patología. A su vez, de manera más concreta, proporciona a los radiólogos y patólogos que participan en el cribado y diagnóstico de cáncer de mama de herramientas concretas, intuitivas, precisas y basadas en la última tecnología de análisis de imagen, para llevar a cabo dichos procesos clínicos, en mamografia mejora de la deteccón, calsificación y densidad del tumor, o en patológia el diagnópstico previo. Permitiendo un aumento de la tasa de detección, una​ reducción de biopsias innecesarias, una​ reducción en el tiempo dedicado por especialistas​ y por último una reducción de falsos positivos y negativos​. Los resultados obtenidos han sido en mamografía – Modelo IA Cribado una sensibilidad del 98.51% y especificidad del 96.43%, en patología para el modelo IA, Clasificación WSI, una sensibilidad cercana al 85% y especificidad cercana al 95%.

     

    INNOVACIÓN

    El objetivo de la presente contratación era la construcción y demostración de una solución tecnológica que ayudase en la detección del cáncer basándose en el análisis de imagen empleando técnicas de inteligencia artificial. El uso de dicho sistema se ha demostrado en el escenario de cribado de cáncer de mama, analizando imágenes de mamografía digital (DM) y tomosíntesis digital (DBT), y en el diagnóstico del cáncer de mama, mediante análisis de imagen de anatomía patológica, para la creación de sistemas CAD inteligentes basado en imagen.

    El desarrollo de CADIA se ha llevado a cabo mediante la implementación de técnicas vanguardistas de inteligencia artificial y su aplicación a los macrodatos de los que ya dispone el SERGAS. De esta manera, los sistemas CAD creados están adaptados a las características fenotípicas de la población atendida por el SERGAS, lo que proporciona una mayor sensibilidad y especificidad con respecto a los sistemas actualmente disponibles en el mercado. Adicionalmente también podrán ser actualizados para la detección de nuevas características fenotípicas que aparezcan como resultado de la evolución de las diferentes patologías.

     

    EVALUACIÓN DE UTILIDAD

    CADIA pretende sentar las bases metodológicas para el desarrollo de dichos modelos y su aplicación a casos de uso concretos dentro del SERGAS. La interpretación de las imágenes por parte de los facultativos es un proceso cognitivo subjetivo e influido por su experiencia previa, que requiere de un riguroso entrenamiento y cuya correcta realización requiere de un tiempo nada despreciable. Por otro lado, el cansancio y la monotonía del proceso pueden causar un descenso en los porcentajes de detección de lesiones sospechosas, así como una menor reproducibilidad de las evaluaciones humanas. Por estas razones se hace necesario el desarrollo de sistemas de diagnóstico computerizado (CAD) basados en procesado inteligente de la imagen que ayuden a los facultativos a realizar su trabajo. El uso del CAD como un sistema de ayuda a la toma de decisiones aumentará la productividad de los facultativos del SERGAS al orientar su atención en la lectura de la imagen hacia las regiones que presentan anomalías que puedan haber sido producidas por la patología bajo sospecha, reduciendo los tiempos de cribado y diagnóstico.

     

    APRENDIZAJE

    En CADIA se han desarrollado algoritmos novedosos que analizan imágenes de DM y DBT de varios fabricantes (Fujifilm, Hologic, Philips, Siemens) utilizando diversas estrategias de entrenamiento, aumento de datos y transfer learning. Las metodologías desarrolladas para la generalización de algoritmos pueden aplicarse posteriormente a otros problemas y algoritmos que cumplan funciones similares en otras patologías.

    También ha sido una novedad para Inycom el diseño de un sistema específico para la visualización de las imágenes de anatomía patológica (Whole Slide Imaging, WSI), que permite la navegación ágil entre los distintos niveles de aumento, y donde el patólogo, con el apoyo de los algoritmos de inteligencia artificial que delimitan las regiones identificadas por el algoritmo de detección, pueda realizar un diagnóstico más preciso y reproducible de las células cancerígenas.

     

    CALIDAD

    CADIA es un claro ejemplo de la incorporación al sistema público de salud de nuevas terapias innovadoras y tecnologías de diagnóstico que se encuentren en fases finales de desarrollo, concretamente:
    • Fomento la I+D en el sector empresarial para el desarrollo de herramientas de diagnóstico en cáncer, neurología, reumatología y otras enfermedades crónicas de alta prevalencia que permitan reducir el coste actual de las pruebas de diagnóstico.
    • Fomento tecnologías en medicina personalizada que permitan aumentar la eficacia de los tratamientos en cáncer, neurología, reumatología y otras enfermedades crónicas de alta prevalencia a través de una mejor estratificación de los pacientes. Se espera mejorar la calidad de vida de pacientes al año gracias a estas tecnologías, reduciendo su nivel de dependencia de sus familias.
    • Reducción de los costes de farmacia al SERGAS a través de tecnologías de medicina personalizada no existentes en el mercado por una mejor utilización de fármacos de alto coste para el sistema.
    • A través de la utilización de técnicas de diagnóstico y tratamiento no existentes en el mercado, se espera reducir las consultas médicas al año gracias a una mejor gestión de pacientes.

     

    AUTOEVALUACIÓN DE EFECTIVIDAD

    Los resultados tecnológicos obtenidos en CADIA han sido, en mamografía – Modelo IA Cribado una sensibilidad del 98.51% y especificidad del 96.43%, en patología para el modelo IA, Clasificación WSI, una sensibilidad cercana al 85% y especificidad cercana al 95%

    Esto va a permitir los siguientes avances para los servicios a los ciudadanos en Galicia:
    Mejora de la precisión diagnóstica, reduciendo el número de falsos positivos y falsos negativos. Un falso positivo en mamografía conlleva estrés y preocupación para la paciente y la realización de pruebas adicionales innecesarias, como mamografías adicionales, ecografías o biopsias. Por otro lado, una reducción de los falsos negativos conllevaría una reducción de la aparición de casos de cáncer de mama intervalo, que se estiman en un 20% de los casos, debidos a la mala lectura de la mamografía.

    Mejora del diagnóstico y valoración de la malignidad del tumor en base a las imágenes de anatomía patológica, facilitando la labor de los patólogos al identificar automáticamente las regiones cancerígenas en atención a la identificación de patrones de malignidad y/o presencia de células cancerígenas de una manera más precisa y reproducible.

    Soporte a los procesos de transformación digital del SERGAS: el proyecto sentará las bases, aportando metodologías concretas, para dar paso a la digitalización del análisis de imagen patológica.

    CONOCE EL ANEXO DEL PROYECTO AQUÍ.