¿Cómo buscar información científica que ayude al diagnóstico de casos médicos?

Una inmensa cantidad de imágenes es producida diariamente en los hospitales derivadas del diagnóstico a través de técnicas de imagen. Muchas de estas imágenes son distribuidas a través de la literatura científica, sumamente valiosas para la práctica clínica rutinaria, para la investigación y para la educación. Sin embargo, para el personal sanitario no es fácil encontrar la información deseada entre la enorme cantidad de datos disponibles y el tiempo limitado del que disponen. Por tanto es necesario gestionar y recuperar documentos/imágenes de manera efectiva y eficiente. Los sistemas de recuperación de información son herramientas muy útiles para proporcionar acceso a la literatura biomédica relacionada con las necesidades de los profesionales sanitarios, quienes asiduamente usan estos sistemas que benefician la toma de decisiones y la atención al paciente. La mayoría de los métodos existentes utilizan búsqueda mediante texto y no aprovechan toda la información visual contenida en las imágenes.

Como resultado de mi tesis doctoral y el trabajo con el equipo de la Universidad de Ciencias Aplicadas de la Suiza Occidental (HES-SO, del francés Haute École spécialisée de Suisse occidentale) publicamos este trabajo en la revista Journal of the Association for Information Science and Technology. Este artículo se ocupa de los mecanismos de búsqueda capaces de aprovechar conjuntamente la información médica textual y visual. Como resultado se ha desarrollado la herramienta llamada Shangri-La (se puede encontrar una demo en aquí).

Este breve video muestra un ejemplo de cómo realizar una búsqueda utilizando Shangri-La.

¿Cómo lo hemos hecho?

En primer lugar necesitamos extraer información de las imágenes y del texto. Primero, para obtener información de las imágenes se utilizan descriptores que extraen características como el color, la textura o la forma. 

Hay información que puede ser extraída directamente de las imágenes. Las flechas representan el centro, la escala y la orientación de los puntos claves detectados en la imagen.

En segundo lugar se extrae información del texto, mediante la búsqueda, localización y clasificación de elementos del texto y se buscan relaciones entre ellas empleando el conocimiento previo del dominio o de otras frases. Por último se utilizan estrategias de fusión para integrar la información visual y textual. Sin embargo, esta es una tarea difícil, ya que las características visuales no siempre contienen suficiente información para ayudar en la búsqueda de información. Esta trabajo define un criterio para la fusión adaptable a la consulta, que muestra cuándo los descriptores visuales son apropiadas para ser fusionadas con el texto. Este criterio se basa en la sinonimia entre la información textual y las características visuales. 

Además en este trabajo se integra una estrategia de clasificación de imagen en modalidades. Se desarrolla una técnica de aprendizaje semi–supervisado junto con una estrategia de “crowdsourcing” para lidiar con la desigualdad en el número de imágenes por clase (no existe el mismo número de ejemplos de imágenes en todas las modalidades).

Así se extrae toda la información de los artículos científicos contenidos en la base de datos a utilizar y de las imágenes contenidas en esos artículos. De este modo, cuando se utiliza el sistema se hace una consulta sobre un caso médico (con la información recopilada sobre el paciente, sus síntomas y los resultados de las pruebas de diagnóstico realizadas incluyendo imágenes) se pueden buscar artículos relevantes para su diagnóstico. Para ello se extrae la información textual y visual de la consulta utilizando los mismos métodos que se han utilizado para extraer la información de la base de datos. Así se puede comparar con la información guardada y recuperar como resultado la información más similar y, por tanto, los artículos relevantes.

Conclusiones

Este trabajo puede potencialmente ayudar al personal sanitario a tomar decisiones sobre diagnósticos difíciles, mediante el sistema de búsqueda de información basado en casos Shangri-La. El principal objetivo de este trabajo es hacer disponible, además de la información textual, la información visual contenida en los casos médicos. Una web simple como Shangri-La facilita las búsquedas a los usuarios a la hora de trabajar e interactuar con datos que contienen texto e imágenes.

El artículo completo se puede encontrar aquí.