Investigador de la UTNBA obtuvo un reconocimiento de la empresa estadounidense Salesforce

El investigador Emmanuel Iarussi de la UTNBA junto a su par, Félix Thomsen, investigador del CONICET en la Universidad Nacional del Sur, fueron reconocidos con un subsidio de la empresa estadounidense Salesforce, como resultado de un concurso abierto para la presentación de proyectos vinculados al uso de inteligencia artificial (IA).

El proyecto, escogido para su financiamiento junto con otros cinco, entre más de 180 postulaciones provenientes de más de treinta países, consiste en un subsidio de 50.000 dólares para financiar el desarrollo de un proyecto que apunta a hacer más preciso el diagnóstico de osteoporosis mediante el uso de distintas técnicas de IA:

“Lo recibimos mediante un concurso anual para la presentación de proyectos vinculados al uso de inteligencia artificial (IA). Fue anunciado hace unos días en el blog oficial de Salesforce. Nosotros nos presentamos con esta idea junto a otros 180 proyectos de todo el mundo y tuvimos la suerte de ser seleccionados junto a otros cinco. Si bien tenemos algunos desarrollos preliminares, el plan que presentamos es a largo plazo, estimamos que vamos a trabajar en este tema por lo menos dos años más”, explicó el Ingeniero Iarussi.

El proyecto parte de la base de que actualmente, la osteoporosis como enfermedad se diagnostica a partir del cálculo de la densidad mineral ósea, valor que se obtiene a través de un  estudio conocido como absorciometría con rayos X de doble energía (DXA, por sus siglas en inglés).  La densidad ósea es medida en todas las vértebras del paciente, y a través de una tabla estandarizada, que contempla también la edad y el sexo, se determina si el individuo tiene o no osteoporosis y si, por lo tanto, debe o no seguir un tratamiento médico. La limitación del estudio es que esta técnica sólo permite describir, aproximadamente, hasta el 70 por ciento de la degradación ósea de una persona.

En este sentido, según explicaron los investigadores, esta falta de precisión conduce a que alrededor de un 30 por ciento de las personas que son diagnosticadas con osteoporosis tengan que seguir un tratamiento que en realidad no necesitan, y que a un porcentaje similar de los individuos con osteoporosis que se hacen la DXA no se les detecte la enfermedad y no se les provea una terapia, por tanto “nuestro proyecto apunta justamente a poder hacer más preciso el diagnóstico de osteoporosis mediante el uso de distintas técnicas de IA”.

Respecto a los antecedentes del proyecto, el Ing. Iarussi sostuvo:

“Somos dos investigadores trabajando en este proyecto, por un lado Félix Thomsen de la Universidad Nacional del Sur, y yo desde la UTNBA. Mi experiencia en aplicaciones biomédicas es limitada, pero Félix hace ya unos años que se encuentra trabajando este tipo de problemas. Mi experiencia va más por el lado del desarrollo de estructuras sintéticas virtuales que lucen como reales, aunque no específicamente sobre estructuras óseas. En este proyecto combinamos ambos mundos. Además, en el proyecto se encuentra involucrado Claudio Delrieux como director de ambos en Carrera de Conicet”.

El ingeniero, graduado en  la Universidad Nacional del Centro de la Provincia de Buenos Aires como Ingeniero en Sistemas, hizo su doctorado en  la Université de Nice (Francia) y, al regresar a Argentina, “encontré en la UTNBA un sitio estimulante para trabajar en investigación aplicada”, expresó Iarussi, al tiempo que sostuvo:

“Creo que el desarrollo del área dentro de UTNBA es aún incipiente pero tiene potencial a futuro, requiere de mucho trabajo de los y las investigadoras pero también inversión. Con este premio un poco salta a la vista que las grandes compañías extranjeras (como Salesforce) están interesadas en financiar los desarrollos que hacemos acá, pero a veces nos cuesta convencer del valor de estas cosas al interior de la Universidad. Ojalá sirva de empuje para la inversión en el área de CyT, la UTNBA definitivamente tiene el potencial y capital humano”.

Al concluir, Emmanuel Iarussi, agradeció “a todas las personas de la Secretaría de CyT de la UTNBA que nos acompañan con su trabajo”.

Sobre el proyecto

La idea base del proyecto consiste en complementar la DXA con una tomografía computada (TC), que permita obtener mayor cantidad de parámetros estructurales de la geometría vertebral, y así poder optimizar el diagnóstico. El inconveniente es que las imágenes de TC de pacientes vivos todavía son de baja resolución y “muy ruidosas” como para poder obtener parámetros microestructurales, más allá de la densidad ósea.

Lo que sucede, según expresaron los investigadores, es que aunque la densidad del hueso no es el único parámetro característico de la osteoporosis, es el único que por ahora puede medirse con confianza in vivo. Los otros parámetros son estructurales, pero para poder capturarlos se necesitan imágenes más detalladas. No obstante, estos otros parámetros se advierten en autopsias, por ejemplo, y si se extrae un hueso de una persona recientemente fallecida y se los escanea en alta calidad, es posible también observarlos en imágenes en 3D.

“La idea de base sería, a partir de lo que se conoce como redes neuronales convolucionales, entrenar a un algoritmo para que al mostrarle vértebras escaneadas en 3D en alta resolución pueda filtrar el ruido de las imágenes de más baja calidad, obtenidas mediante una TC en pacientes in vivo. Esto permitiría por primera vez medir in vivo la microarquitectura del hueso”, sostuvieron los investigadores, al tiempo que desarrollaron:

“El problema es que las imágenes de alta resolución que se necesitan para entrenar estos algoritmos sólo se pueden obtener a través del escaneo de huesos ex vivo de personas recientemente fallecidas, porque si pasan más de dos días se descomponen demasiado. Por diversas razones, conseguir estos tejidos óseos, para disponer de un set lo suficientemente amplio y robusto, resulta muy complicado. Entonces, surgió la idea de ver si podíamos generar artificialmente estructuras óseas sintéticas in silico que permitieran engrosar la base del entrenamiento del algoritmo de redes neuronales convolucionales”.

Para esto, sostuvieron,  “proponemos utilizar un método novedoso de IA, conocido como redes neuronales generativas antagónicas (GANs). Lo que permiten las GANs es generar, a partir de no demasiados ejemplos -no más que unas pocas vértebras humanas escaneadas ex vivo, en este caso- , muchas estructuras sintéticas virtuales, que no sean idénticas a los escaneadas pero que a la vez luzcan como reales. Nosotros tenemos algunos huesos escaneados y, a partir de esa base, generamos artificialmente muchos más y controlamos ciertas características que queremos para cada uno. 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. Pero además, podemos pedirle que genere aleatoriamente muchos otros que cumplan con las mismas características y, al mismo tiempo, sean diferentes entre sí. Se trata, hasta donde sabemos, del primer método para modelar artificialmente hueso y crear estructuras óseas virtuales. 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”.

Por su parte, a pesar  de los buenos resultados obtenidos hasta el momento, los investigadores resaltaron “es importante aclarar que aunque ese es el objetivo final, todavía estamos lejos de poder ofrecer un diagnóstico o de que esto llegue a ser una aplicación clínica”.