CADIA avanza en la creación de herramientas para el análisis de imagen e inteligencia artificial

El proyecto CADIA, que tiene como objetivo crear un sistema de análisis de imagen basado en técnicas de inteligencia artificial de última generación, evoluciona creando herramientas de anotación necesarias con las que los clínicos etiquetan imágenes.

Tras largas sesiones de recogida de requisitos y especificaciones, así como de formaciones y pruebas de anotación, se han digitalizado 2400 muestras de anatomía patológica, creando una base de datos de imágenes dicom anonimizadas y se han seleccionado y anonimizado las imágenes necesarias de radiología del PACS de SERGAS. Se han entrenado los primeros modelos de IA a partir de bases de datos públicas de radiología y patología digital.

Como retos pueden desmarcarse dos, en radiología, diseñando un sistema CAD que sea capaz de detectar masas en imágenes de mamografía y tomosíntesis digital adquiridas con todos los equipos disponibles en el SERGAS, para que todos los pacientes, tengan acceso al sistema; el otro, para patología, con un escenario más novedoso, ya que requiere el salto a patología digital y el análisis de dichas imágenes digitalizadas para el diagnóstico del tipo de lesión y su grado.

Nuestro rol liderando la UTE, consiste en la coordinación y recogida de requisitos y especificaciones además del desarrollo de los algoritmos de IA y de las infrastructuras necesarias para la creación de modelos. Se ha llevado a cabo también en gran parte de la creación de banco de datos, incluyendo el desarrollo de herramientas de anotación.

El proyecto se está desarrollado por la UTE formada por la Fundación Vicomtech y la empresa Inycom. El presente proyecto de Compra Pública Innovadora se enmarca dentro del plan de innovación sanitaria Código 100 ejecutado en el marco de un convenio de colaboración entre el Servicio Gallego de Salud y el Ministerio de Ciencia e Innovación, financiado en un 80% por el FEDER en el marco del Programa Operativo Plurirregional de España (POPE) 2014-202.

Más información: https://bit.ly/3eIE9bP