Un sistema de deep learning desarrollado por investigadores gallegos es capaz de detectar pólipos de colon en tiempo real. Esta herramienta ha sido diseñada por un equipo de científicos de la Universidad de Vigo y del Complejo Hospitalario Universitario de Orense (CHUO) para servir de apoyo al endoscopista a la hora de visualizar los pólipos de colon, explica EFE.

El objetivo del sistema de deep learning es facilitar la toma de decisiones terapéuticas al especialista, evitando con ello la extirpación innecesaria. Polydeep, que es como se llama este proyecto, ha sido presentado por el gerente del SERGAS (Servicio Gallego de Salud) en Orense, Julio García; y los investigadores Florentino Fernández y Daniel González.

Este sistema de deep learning cuenta con una financiación de 127.171 euros concedidos en la Convocatoria Retos de la Sociedad del Ministerio de Economía, Industria y Competitividad. Está previsto que se desarrolle en 3 años y tiene como fin último mejorar la calidad asistencial a los pacientes de oncología.

El proyecto de deep learning para detectar en tiempo real pólipos de colon está coordinado por el catedrático Florentino Fernández y cuenta con la participación del grupo de investigación en Oncología digestiva del hospital de Orense. Esta iniciativa depende de la Escuela Superior de Ingeniería Informática, que la ha impulsado a través del grupo de investigación Sing.

Virxilio Rodríguez, vicerrector de la universidad, ha destacado que este sistema de deep learning forma parte de la estrategia de trabajo que vienen desarrollando grupos del campus con entidades. Por su parte, el gerente del SERGAS, Julio García, ha subrayado “el carácter innovador de una iniciativa que va a suponer, seguro, un impulso importante en la endoscopia oncológica”.

La duración del proyecto prevista es desde enero de 2018 a diciembre de 2020. Durante este proceso se tratará de implementar un prototipo de diagnóstico asistido por computador, con un modelo de detección y clasificación de pólipos de colon mediante inteligencia artificial. Asimismo, se diseñará un banco de imágenes dentro del biobanco del IISGS.

La idea del grupo de investigadores es aprovechar el avance del deep learning, en aprendizaje profundo en inteligencia artificial, en el reconocimiento de imágenes para que, una vez que el sistema analice muchas imágenes de pólipos benignos, malignos e intermedios, se pueda saber en tiempo real en qué características de la imagen del pólipo hay que fijarse para poder clasificarlo según su gravedad.