Con el objetivo de investigar las posibilidades que ofrecen las técnicas de Inteligencia Artificial (IA) aplicadas a imágenes médicas en la mejora de productos y servicios para la reconstrucción articular y ósea, el Instituto de Biomecánica (IBV) lidera el proyecto RECBONE, cofinanciado por el Instituto Valenciano de Competitividad Empresarial (IVACE) de la Generalitat Valenciana y los Fondos FEDER.

En el marco de este proyecto, IBV investiga el ciclo de vida completo de estos productos sanitarios, desde el diseño, el desarrollo y la fabricación hasta su evaluación y certificación para garantizar la seguridad y el buen funcionamiento cuando llegan al mercado,. De esta manera, las empresas de ámbitos como los de la cirugía ortopédica y traumatológica (COT) o la maxilofacial, cumplirán con los exigentes requerimientos del reglamento de producto sanitario (MDR, por sus siglas en inglés).

Tal y como destaca el director del Área de Salud del IBV, Carlos Atienza, esta proyecto permitirá “mejorar los procesos de diagnóstico a través de nuevos servicios basados en Inteligencia Artificial, como los tratamientos de patologías ostoarticulares mediante la investigación en nuevos implantes basados en los conocimientos generados en aspectos como la regulación europea e internacional, los métodos avanzados de diseño y evaluación, la impresión 3D o la Inteligencia Artificial”.

Detección de lesiones y el reconocimiento de formas mediante Inteligencia Artificial

Los procesos de diagnóstico basados en la detección de lesiones y el reconocimiento de formas mediante el uso de la Inteligencia Artificial es una de las principales líneas que aborda el proyecto. En este sentido, el Instituto de Biomecánica ha elaborado metodologías para el precribado de imágenes médicas. Para ello, ha colaborado con la compañía de servicios médicos Eresa, que cuenta con especialistas clínicos capaces de proveer segmentaciones manuales que sirvan como test de referencia de máxima fiabilidad para el entrenamiento de redes neuronales.

Esta aplicación permitirá la automatización de procesos que, hasta ahora, sólo podían realizarse manualmente y que implicaban mucho tiempo de dedicación. En esta línea, Carlos Atienza señala que “el campo del Deep Learning está en continuo crecimiento y el uso de redes neuronales convolucionales como las famosas Alexnet o VGG-16, entre otras, permiten conseguir mejoras de precisión para las bases de datos de imágenes”.

Para disponer de redes mejor entrenadas y con mejores tasas de acierto, IBV está llevando a cabo una ampliación de casos clínicos reales. Y es que, “uno de los puntos cruciales en el entrenamiento de redes que diferencian las imágenes de pacientes que presentan patologías de las de pacientes sanos es precisamente la cantidad de imágenes que la red emplea para aprender”, explica Atienza.

Por otra parte, IBV está impulsando también la puesta a punto de una metodología para el reconocimiento de formas osteoarticulares, que se basa también en técnicas de IA, empleando redes como la U-net, ampliamente validada para la segmentación de imágenes, que permite una mejor detección y clasificación de determinadas lesiones en zonas específicas del cuerpo.

En concreto, la base de datos que se está desarrollando está centrada en imágenes de resonancia magnética de rodilla para la detección de lesiones de menisco. Actualmente, el Instituto trabaja en la mejora de estas metodologías de forma global, para que puedan ser aplicadas a cualquier base de datos según la zona y las lesiones que se deseen cribar.

El proyecto RECBONE (IMDEEA/2021/20) ha sido financiado por el programa 2021 de ayudas del Instituto Valenciano de Competitividad Empresarial (IVACE) dirigido a centros tecnológicos de la Comunitat Valenciana para el desarrollo de proyectos de I+D de carácter no económico realizados en cooperación con empresas, cofinanciado por la Unión Europea a través del Fondo Europeo de Desarrollo Regional (FEDER).