información del proyecto

Proyecto X-COV

Uno de los objetivos de X-COV es facilitar el conocimiento y la investigación

Por eso te ofrecemos toda la información relacionada con nuestro proyecto y el acceso a nuestra base de datos open.
Esperamos que os sean de ayuda.
Porque el conocimiento no tiene fin
y la ciencia se construye entre todos.

X-COV es un proyecto de investigación del Grupo de Física Nuclear de la Universidad Complutense de Madrid (GFN-UCM). Nuestro objetivo es ayudar a los médicos, poniendo a disposición de los radiólogos y otros profesionales de la medicina y el diagnóstico por imagen, herramientas de análisis automático de radiografías de tórax con Inteligencia Artificial (IA), para la evaluación y el seguimiento de pacientes COVID-19.

Abajo encontrarás toda la información detallada del proyecto y acceso a sus referencias, base de datos open y a la demo.

Proyecto de investigación del Grupo de Física Nuclear de la Universidad Complutense de Madrid (GFN-UCM).

Nuestro objetivo es ayudar a los médicos. Para ello, desarrollamos y ponemos a disposición de los radiólogos y otros profesionales de la medicina y el diagnóstico por imagen, herramientas de análisis automático de imágenes con Inteligencia Artificial (IA). En este proyecto nos centramos en la pandemia del COVID-19 y en los interesantes usos de las radiografías para combatirla.

Las herramientas del Proyecto X-COV realizan una evaluación y seguimiento de posibles pacientes COVID-19, a partir de sus radiografías de tórax e información básica como edad o número de días con síntomas. El análisis, la valoración y los indicadores ofrecidos por ellas, pueden ayudar a los médicos a tener una visión más completa de cada caso.

De esta forma tratamos de facilitar y agilizar su importante toma de decisiones.

Esta herramienta es de especial interés para los pacientes con síntomas moderados, o en los casos en los que determinadas pruebas médicas no son concluyentes o dan falsos negativos.

El software permite un análisis inmediato, gracias al uso de técnicas de Inteligencia Artificial y Deep Learning. Para crear el modelo, hemos utilizado herramientas de aprendizaje automático como Keras (nd), TensorFlow (nd) y Tensorflow.js. En la formación del modelo se han utilizado datos abiertos disponibles en múltiples repositorios públicos de radiografías de tórax y los datos e imágenes aportados por los hospitales que colaboran en el proyecto.

Seguimos dos líneas de actuación.

1.- Herramienta online:

  • Open y de libre acceso.
  • Con fines de investigación: no certificada para su uso clínico.
  • Permite el acceso a la herramienta a médicos e investigadores de todo el mundo, fomentando y apoyando la investigación en torno al COVID-19.
  • Sirve de plataforma de pruebas para las nuevas características que se van implementando al mejorar la herramienta.
  • Facilita la difusión del proyecto completo.

2.- Versión para uso clínico:

  • Uso exclusivo para profesionales del diagnóstico médico por imagen.
  • Requiere certificación con marcado CE (Conformité Européenne) y/o el de FDA (Food and Drug Administration) de dispositivos médicos.
  • Estará adaptada para ser integrada en el sistema PACS (Picture Archiving and Communication System) de los hospitales y con algunas máquinas de radiología de proveedores específicos.
  • Ganador en la categoría «Cuestiones sociales y de salud» y ganador absoluto del hackathon #CodeTheCurve organizado por la UNESCO, IBM y SAP (04/2020).
  • Certificación de proyecto finalista del hackathon #VenceAlVirus, impulsado por la Comunidad de Madrid (04/2020).
  • Primer Premio CompluEmprende 2020.
Hospital Clínico San Carlos de Madrid, al Hospital Universitario de Fuenlabrada, al Hospital Universitario 12 de Octubre, Hospital Rúber Juan Bravo, Universidad Complutense de Madrid, Programa CompluEmprende, Hackathon Madrid #VenceAlVirus, Consejería de Ciencia, Universidades e Innovación de la Comunidad de Madrid, Madri+D, CSIC, DASEL, Hackathon UNESCO #CodeTheCurve, SAP, IBM, Google Cloud, Amazon AWS y Repsol-Sinopec.