Los resultados de un trabajo de investigación, realizado por un alumno de posgrado y dos docentes de la universidad, que propone la solución a un delicado problema en el ámbito de la anestesiología con el uso de inteligencia artificial, fue publicado recientemente por la reconocida revista Machine Vision and Applications, destacada por publicar contribuciones técnicas de alta calidad en investigación y desarrollo de visión artificial.


El trabajo fue realizado por Kevin Aguilar, estudiante de la Maestría en Ciencias Computacionales, el Dr. Harvey Alférez, SNI, catedrático de la Facultad de Ingeniería y Tecnología y director del Instituto de Ciencia de Datos y el Dr. Christian Aguilar, anestesiólogo en el Hospital La Carlota y director de la Escuela de Medicina.


En su investigación titulada “Detection of difficult airway using deep learning” los autores proponen una aplicación móvil que utiliza aprendizaje profundo para el reconocimiento de imágenes de pacientes pre quirúrgicos a quienes se les aplicará anestesia general con el fin de detectar la posibilidad de vía aérea difícil.


Una vía aérea difícil se define como la necesidad de tres o más intentos de intubar la tráquea o más de 10 minutos para lograrlo, según lo explican los autores. Una intubación fallida puede causar un aumento de la morbilidad y la mortalidad, por lo que el anestesiólogo debe evaluar la vía aérea del paciente antes de la anestesia para establecer el procedimiento a seguir. Uno de los mayores temores que tienen los anestesiólogos, según los autores, es enfrentar a un paciente con vía aérea difícil, ya sea diagnosticada previamente o, en el peor de los casos inesperadamente.


La aplicación móvil propuesta en el trabajo de investigación, clasifica dos clases de puntuación de Mallampati, a saber, Mallampati 1–2 con bajo riesgo de vías aéreas difíciles y Mallampati 3–4 con mayor riesgo de vías aéreas difíciles. La precisión promedio del modelo predictivo fue de 88.5% para clasificar imágenes. Este modelo fue entrenado con 240 imágenes, todas tomadas en la Escuela de Medicina de la institución. Los resultados de sensibilidad y especificidad fueron de 90% en promedio.


“La inteligencia artificial es un puente de conexión entre diferentes disciplinas gracias a que ésta tiene una naturaleza de corte transversal. Es decir, las técnicas de la inteligencia artificial que se utilizan en carros autónomos, pueden ser utilizadas también en la medicina o la agricultura” comentó en entrevista el doctor Alférez, haciendo referencia además a la riqueza intelectual y práctica que brindan las investigaciones multidisciplinarias para la institución.


La revista Machine Vision and Applications, de la editorial alemana Springer y patrocinada por la Asociación Internacional para el Reconocimiento de Patrones, publica aportes científicos relacionados al desarrollo de visión artificial que incluyen cobertura de todas las aplicaciones y aspectos de la ingeniería computacional relacionadas con la imagen, entre las que incluyen contribuciones originales relacionadas con aplicaciones biomédicas de la visión artificial.


Accede a la información del artículo publicado aquí.