Investigadores del CONICET desarrollaron un proyecto que busca hacer más preciso el diagnóstico de osteoporosis mediante el uso de distintas técnicas de inteligencia artificial (IA).

Tras participar de un concurso abierto para la presentación de iniciativas vinculadas con el uso de IA, los investigadores han recibido un subsidio de la empresa estadounidense Salesforce para desarrollar su proyecto.

Medición imprecisa de la osteoporosis

Actualmente, la osteoporosis se diagnostica a partir del cálculo de la densidad mineral ósea. Para ello, se realiza un estudio conocido como absorciometría con rayos X de doble energía (DXA, por sus siglas en inglés).

La DXA consiste en medir la densidad ósea en todas las vértebras del paciente a través de una tabla estandarizada. Esta determina si el individuo tiene o no osteoporosis. La tabla contempla la edad y el sexo del paciente y permite analizar si debe o no seguir un tratamiento médico. Sin embargo, el método resulta un tanto impreciso pues solo permite describir hasta el 70% de la degradación ósea de una persona.

Los investigadores del CONICET, Félix Thomsen y Emmanuel Iarussi, desarrolladores del proyecto, sostienen que esta falta de precisión conduce a que, aproximadamente, un 30% de las personas que son diagnosticadas con osteoporosis tengan que seguir un tratamiento que en realidad no necesitan. Mientras que a un porcentaje similar de los individuos con osteoporosis que se realizan la DXA no se les detecta la enfermedad y no se les provee una terapia.

Una mayor cantidad de datos mediante la IA

La idea base de la investigación consiste en complementar la DXA con una tomografía computada (TC) que permita obtener una mayor cantidad de parámetros estructurales de la geometría vertebral y de esta manera poder optimizar el diagnóstico.

Frente a esto, el principal inconveniente es que las imágenes de TC de pacientes vivos son de baja resolución. Por lo tanto, es complicado obtener parámetros microestructurales, más allá de la densidad ósea.

Con el objetivo de sortear este obstáculo, se entrenó a un algoritmo para que al mostrarle vértebras escaneadas en 3D en alta resolución pudiera aprender a filtrar el ruido (indefinición) de las imágenes de más baja calidad, obtenidas mediante una TC en pacientes in vivo. Esto permitiría por primera vez medir de este modo la microarquitectura del hueso.

Para entrenar al algoritmo se generaron artificialmente estructuras óseas sintéticas in silico.

Desarrollo de estructuras sintéticas

En primer lugar, los investigadores realizaron un escaneo 3D de huesos. Luego, generaron artificialmente muchos huesos más y, mediante una novedosa técnica de IA conocida como redes neuronales generativas antagónicas (GANs), controlaron las características que requerían para cada uno.

En un artículo publicado en el sitio web de CONICET, el investigador Emmanuel Iarussi explica el proceso: “Así como ahora hay algoritmos que te permiten obtener, por ejemplo, la imagen de la cara de un hombre de 43 años de pelo oscuro y barba, que no sea real pero luzca como tal (lo que se conoce como deepfake), nosotros podemos crear huesos sintéticos que tengan determinados parámetros generales”.

Además, los desarrolladores pueden solicitarle al algoritmo que genere aleatoriamente otros huesos que cumplan con las mismas características, pero sean diferentes entre sí.

Se trata del primer método para modelar artificialmente hueso y crear estructuras óseas virtuales que, al mismo tiempo, interpreta las características de esos huesos.

Los investigadores sostienen que obtener artificialmente más ejemplos de cómo pueden ser los huesos de la columna vertebral, a través de las GANs, permite aumentar la base de entrenamiento del algoritmo de redes neuronales convolucionales para optimizarlo y que pueda filtrar el ruido de las imágenes de TC.