La tecnología abre cada día caminos para la investigación en todas las áreas. Transmural Biotech, una de las 20 empresas de tecnología aplicada a la medicina más importantes del mundo (según la prestigiosa Technology Innovators), avanza sin pausa en el campo del análisis de imágenes mediante Inteligencia Artificial, usando la tecnología más puntera para desarrollar aplicaciones en el ámbito clínico.
Es el caso de quantusFLM, un innovador test —basado en Inteligencia Artificial— que proporciona al médico más datos sobre la madurez de los pulmones fetales, muy importantes en aquellos casos en los que se está valorando adelantar el parto. En estas ocasiones, es crucial conocer cuál es el estado de maduración de los pulmones del nonato; si están suficientemente desarrollados, el bebé podrá respirar por sí mismo al nacer, mientras que, si no lo están, requerirá al menos de ingreso en la UCIN.
Ventajas de quantusFLM respecto a otras pruebas
Hasta ahora, para conocer este dato había que practicar una prueba invasiva, molesta y con riesgos. Ahora, solo se necesita una ecografía reciente del pulmón fetal, que se introduce en la aplicación web. Gracias a la visión artificial de quantusFLM, es posible obtener un resultado muy fiable de manera 100 % no invasiva: sus redes neuronales avanzadas reconocen patrones a un nivel microestructural de la imagen ecográfica.
En palabras de Xavier P. Burgos-Artizzu, director científico de Transmural Biotech, ingeniero informático y doctor en IA: «Las redes neuronales artificiales de quantusFLM —que se cimentan en el aprendizaje automático previo a partir de un gran número de ecografías— estudian cada píxel de la imagen ecográfica y su análisis es tan fino que detectan cosas no visibles para el ojo humano». Después, los algoritmos de visión artificial interpretan los resultados y aportan al médico y a los futuros padres, en pocos minutos, una valoración de la madurez de los pulmones del feto. Se trata de un dato de alta fiabilidad acerca del alto o bajo riesgo que puede tener para el nonato provocar el parto antes de que llegue a su final natural.
La Inteligencia Artificial desarrollada en quantusFLM no aspira a sustituir al profesional médico, cuyo criterio tiene en cuenta una serie más amplia de variables, además de su propia experiencia; pero sí podría ser una gran ayuda para el manejo eficiente del embarazo, especialmente en casos de prematuros tardíos (semanas 34 a 37).
En estas situaciones, quantusFLM permite al especialista médico prescribir un tratamiento personalizado a cada futura madre.
Desarrollo de quantusFLM
quantusFLM se distingue de otros productos del sector porque ha sido desarrollado por un equipo multidisciplinar de médicos e ingenieros. Un equipo muy especializado en el que los profesionales médicos concretan sus necesidades y las transmiten a los ingenieros especialistas en IA, quienes desarrollan la aplicación que luego volverá a los médicos para testear los resultados. Todo el proceso se realiza en un laboratorio digital en la nube, un lugar donde la Inteligencia Artificial efectúa su aprendizaje automático con una base de millones de imágenes, y obtiene su análisis mediante algoritmos predictivos específicos para cada aplicación de Transmural Biotech. Esto permite que el servicio pueda prestarse en todo el mundo.
Finalmente, quantusFLM se ha sometido a un estudio multicéntrico realizado en distintos hospitales gestionados por diferentes empresas, e, incluso, con ecógrafos de varias marcas y modelos. Una gran variedad de ecografías, tomadas en distintas clínicas y por diferentes profesionales (sin ninguna relación con Transmural Biotech) garantiza la imparcialidad del estudio.
quantusFLM es muy fiable, 100 % no invasivo, personalizado, económico y casi inmediato; representa la medicina del futuro y un claro ejemplo de Inteligencia Artificial al servicio de la medicina.
Artículos científicos que avalan la tecnología quantus FLM:
1.Evaluation of an improved tool for non-invasive prediction of neonatal respiratory morbidity based on fully automated fetal lung ultrasound analysis. Burgos-ArtizzuXP, et al. Nature Scientific Reports volume9, Articlenumber:1950 (2019). Descargar estudio
2.Prediction of Neonatal Respiratory Morbidity by Quantitative Ultrasound Lung Texture Analysis: A Multicenter Study, Palacio M, et al. American Journal of Obstetrics and Gynecology (2017), doi: 10.1016/j.ajog.2017.03.016. Descargar estudio
3.Quantitative ultrasound texture analysis of fetallung to predict neonatal respiratory morbidity. Bonet-Carné E, et al. Ultrasoundin Obstetrics& Gynecology. 2015 Apr 1;45(4):427-33. Descargar estudio
4.Performance of an automatic quantitative ultrasound analysis of the fetallung to predict fetallung maturity. Palacio M, et al. Am J ObstetGynecol. 2012 Dec;207(6):504.e1-5. Descargar estudio
Si (
No(