Antonio Acosta Hoyos, PhD. en Bioquímica y Biología Molecular.
Antonio Acosta Hoyos, PhD. en Bioquímica y Biología Molecular.
Foto
Cortesía

Share:

Camille: inteligencia artificial que detecta anomalías y agiliza análisis de muestras de Covid-19

Especialistas encargados de los diagnósticos se apoyan en esta innovación, cuyo algoritmo fue alimentado con datos de cientos de resultados obtenidos con equipo PCR.

Expertos en bioquímica e ingeniería de la Universidad Simón Bolívar adaptaron un modelo de inteligencia artificial para que detecte anomalías en los análisis de PCR de las muestras de pacientes sospechosos de Covid-19, y apoye el estudio y el diagnóstico de casos en Barranquilla y el departamento del Atlántico.

La iniciativa es el resultado de un trabajo conjunto liderado por Antonio Acosta Hoyos, PhD. en Bioquímica y Biología Molecular de la Universidad de Miami (EE.UU.); Reynaldo Villarreal González, director del Laboratorio de Prototipado del centro de crecimiento empresarial e innovación de Unisimón, MacondoLab; y Leonardo Pacheco Londoño, experto en quimiometría y PhD. en Química de la Universidad de Puerto Rico.

“Es una herramienta de apoyo que no es un simple software, sino que utiliza inteligencia artificial para reconocer variaciones o ruidos que pueden afectar una curva y nos da una alerta para que revisemos los patrones de la gráfica”, asegura Acosta, director (e) la Unidad de Genética y Biología Molecular de Unisimón, que desde el 18 de abril pasado tiene aval del Instituto Nacional de Salud (INS) para procesar pruebas de Covid-19.

Este autosimulador de inteligencia artificial y aprendizaje fue validado ya en la detección de suelos contaminados con rastros de explosivos y petróleos, y defectos en exámenes de campo visual, con una precisión mayor al 95%. Para su labor con la Covid-19 se le llamó en honor al matemático francés Camille Jordan, padre del teorema de la curva de Jordan.

Gráficas de curvas

Camille funciona con base en un algoritmo que permite a la computadora generar probables respuestas con una información básica que se le introduzca. Para el análisis y el diagnóstico de pacientes sospechosos de Covid-19 fue alimentado con los datos de cientos de resultados obtenidos con el PCR, un equipo especial que amplifica las secuencias de ADN.

Las muestras de cada paciente arrojan unas curvas que se digitalizan en computador, con el fin de que se dictamine si la persona dio positivo, negativo o se invalida la prueba, de acuerdo con los valores numéricos y unos rangos estimados.

“Utilizamos más de 8.000 gráficas para enriquecer el algoritmo de Camille, así se generó una data de autoaprendizaje que le permite sistematizar el proceso del PCR: da mayor organización al reporte de casos, agiliza los análisis y la entrega de resultados”, cuenta Villarreal, director del Laboratorio de Prototipado de MacondoLab.

A la izquierda, una curva de PCR con una forma sigmoidal válida; a la derecha, una con ruidos. Las casillas en rojo son alertas del software al detectar anomalías, lo cual permite a los especialistas analizar en detalle.

Veamos cómo funciona Camille. En las gráficas de arriba hay dos resultados de muestras: a la izquierda tenemos una curva sigmoidal válida; a la derecha, una con ruidos. Los ruidos son esos altibajos de la línea horizontal, parecidos a un sistema de montañas o al mapa de etapas del Tour de Francia.

Debajo de los cuadros con las gráficas se observan dos casillas en rojo. De esta manera, el software lanza la alerta cuando detecta ruidos en una curva. Parece rutinario y fácil, pero no lo es en una pandemia y la urgencia de procesar lo más rápido posible grandes cantidades de pruebas.

“Por paciente, cada muestra genera cuatro canales o gráficas y estas, a su vez, 46 datos o características que deben analizar los especialistas del laboratorio”, explica el profesor Pacheco, líder del Grupo de Investigación en Ciencias Exactas, Físicas y Naturales Aplicadas (Gicefyna) de Unisimón. “Al multiplicar el número de datos por muestra, luego por el número de canales, resulta que 200 muestras diarias generan más de 36.000 datos para analizar”.

Lo que otros no detectan

Diferentes factores causan ruidos en el resultado gráfico del PCR: el tubo donde estaban las muestras, contaminación de la muestra, poca carga viral en la muestra, vibraciones, la falta de fluido eléctrico o un cambio drástico en el mismo.

En la coyuntura actual, los insumos o reactivos también inciden: los PCR no utilizan los mismos, sino que depende del fabricante y su proceso de validación. A raíz de esta emergencia sanitaria en más de 200 países, los insumos escasean y por eso los laboratorios deben adaptarse a lo que haya en el mercado, que no siempre es lo mejor para sus equipos.

“Un software normal no detecta eso, pero Camille sí porque le enseñamos a que identifique cualquier variación en la curva sigmoidal y nos alerte, a mí y mi equipo, para que decidamos si la muestra es válida o no”, recalca el doctor Acosta.

Con el paso de las horas y los días, la labor de analizar las curvas y sus datos se torna agotador. Ese es el aporte de Camille: minimizar la posibilidad de errores, ayudar a los equipos de expertos en sus diagnósticos y generar el reporte escrito, lo que ahorra tiempo que puede ser invertido en más análisis.

“Que una gráfica tenga ruido no significa que sea inválida, porque los científicos ven las curvas y tienen la opción de determinar si el dictamen (positivo o negativo) es válido o no y cambiarlo, si es necesario”, dice Villarreal. “Con cada cambio sigue aprendiendo porque contiene un módulo de entrenamiento autónomo”.

Camille ha despertado interés en otros países. Desde dos, de hecho, surgieron significativos aportes en pro de su creación: el Centro de Excelencia para la Investigación de Explosivos de la Universidad de Puerto Rico, con su director Samuel Hernández Rivera, y el cardiólogo intervencionista y hemodinamista Derek Dau Villarreal, miembro del grupo de especialistas del Hospital Universitario de Torrevieja (Alicante, España).

*Con información de Universidad Simón Bolívar

 

Más sobre este tema: