Detección de neumonía a través de imágenes de ultrasonido

Abstract

La neumonía es una enfermedad respiratoria de alto riesgo cuya tasa de mortandad en niños menores de 5 años es el 15% a nivel mundial, siendo esta la más alta según la Organización Mundial de la Salud [1]. Esta enfermedad afecta directamente a los alveolos llenándolos de pus lo cual tiene como consecuencia que la respiración sea dolorosa [1]. Para detectar la enfermedad se utiliza maquinaria que utiliza radiación ionizante la cual genera daños perjudiciales a los niños en crecimiento. Adicionalmente, para lograr la adquisición de estas maquinarias se requiere infraestructura adecuada para hacer la toma de las imágenes, generando costos elevados. Alternativamente, se han realizado investigaciones con respecto al diagnóstico utilizando ultrasonido las cuales tienen grados de sensibilidad y especificidad que se encuentran por encima del 80% [10]. El problema de utilizar ultrasonido es que las imágenes no siempre se ven de buena calidad por lo que es necesario un entrenamiento previo para detectar neumonía en las imágenes ecográficas. Adicionalmente, al tratarse de un diagnóstico subjetivo es necesario contar con personal que tenga experiencia en imágenes de ultrasonido para lograr un diagnóstico adecuado. El presente trabajo de investigación desarrolló algoritmos basados en las características del tórax en las imágenes ecográficas para poder detectar neumonía en niños cuyas edades oscilan entre 6 meses y 5 años. Para este fin, se generó una base de datos con niños diagnosticados como sanos y enfermos por médicos de la Universidad Tulane en Nueva Orleans y de la Universidad Peruana Cayetano Heredia. A partir de dicha base de datos, se utilizó técnicas de umbralización [22] y de un algoritmo de flujo óptico [24] con puntos de corte variables para desarrollar un código que permita determinar si un paciente tiene o no neumonía. En tal sentido, se logró codificar un algoritmo utilizando métodos de umbralización cuya exactitud media fue del 83.9% con un coeficiente de variación de 0.06 y un algoritmo de flujo óptico cuya exactitud media fue del 80% con un coeficiente de variación de 0.15. Dichos resultados son alentadores debido a la cercanía en exactitud en comparación con los diagnósticos clínicos mostrados en el presente documento. Finalmente, se hizo la comparación de ambos métodos así como las recomendaciones necesarias para futuras investigaciones.