Diagnóstico y clasificación de COVID-19 basado en imágenes
DOI:
https://doi.org/10.26820/reciamuc/5.(4).noviembre.2021.181-195Palabras clave:
Enfermedades infecciosas, pandemia, coronavirus, estudio de imágenes, SARS-COV-2, COVID-19Resumen
La COVID-19 es una enfermedad infecciosa internacional provocada por una cepa de coronavirus nunca antes identificada. La pandemia por el SARS-CoV-2 está cambiando paradigmas en el control y el manejo de las enfermedades infecciosas. Esta investigación se limita a la búsqueda y revisión de material bibliográfico que mediante el uso de diversas bases de datos como MedlinePlus, PubMed, Biblioteca Virtual de la Salud (BVS), SciELO, Dialnet y ELSEVIER se sintetizó la mejor evidencia disponible usando las expresiones “diagnóstico de COVID-19”, “Clasificación de COVID-19”; “COVID-19 diagnostico por imagen” y “Clasificación de COVID-19 por imágenes. El rol de las imágenes diagnósticas se hace cada día más relevante en medio de la pandemia, pues queda demostrada su importancia como diagnóstico, protocolo de tratamiento y seguimiento en el paciente positivo con COVID-19. Las distintas variantes que se han conocido del SARS-COV-2 mantiene en alerta a todo profesional médico y técnico en el área de la salud y la medicina, pues se siguen descubriendo características distintas de manifestaciones clínicas en pacientes con COVID-19, lo que permite inferir que lo que ya se conoce es apenas un inicio, y que se deben seguir desarrollando tecnologías que agrupen los conocimientos desarrollados y propicien los nuevos. El apoyo en la biotecnología es una oportunidad para enfrentar esta pandemia, definitivamente la capacidad de la Inteligencia Artificial (IA) en el almacenaje de información, la relación de patrones y la velocidad de diagnóstico es una oportunidad única que ofrece la evolución científica frente a los eventos pandémicos vivimos por la humanidad. Es crucial el papel que desempeñan los elementos humanos en la parametrización, prueba y aprobación de tecnologías útiles que mejore el alcance la atención médica para ganar la batalla en contra del SARS-COV-2 y la COVID-19.
Descargas
Citas
Aguilar Ramírez, P., Enriquez Valencia, Y., Quiroz Carrillo, C., Valencia Ayala, E., de León Delgado, J., & Pareja Cruz, A. (2020). Pruebas diagnósticas para la COVID-19: la importancia del antes y el después. Horizonte Médico, 20(2), e1231.
Alfonso López, B. (2021). Deteccion precóz de covid-19 a partir de imágenes de radiografías de tórax mediante redes neuronales convolucionales. Catalunya: Universitat Oberta de Catalunya.
Amou Ghanem, F. Z. (2021). Detección de efectos del virus Covid19 en imágenes de rayos X mediante redes neuronales.
Corbacho Abelaira, M. D., Ruano-Ravina, A., & Fernández-Villar, A. (2021). Inteligencia artificial en radiología torácica. ¿Un reto en tiempos de la COVID-19? Arch Bronconeumol, 57, 15-16.
López Cabrera, J., Portal Díaz, J. A., Orozco Morales, R., & Pérez Díaz, M. (octubre-diciembre de 2020). Revisión crítica sobre la identificación de covid-19 a partir de imágenes de rayos x de tórax usando técnicas de inteligencia Artificial. Revista Cubana de Transformación Digital, 1(3), 67-99.
Madrigal-Rojas, J., Quesara-Loria, M., García-Sanchez, M., & Solano-Chinchilla, A. (enero-junio de 2020). SARS CoV-2, manifestaciones clínicas y consideraciones en el abordaje diagnóstico de COVID-19. Revista Médica de Costa Rica, 85(629).
Mendoza-Ticona, A., Valencia Mesias, G., Quintana Aquehua, A., Cerpa Chacaliaza, B., García Loli, G., Álvarez Cruz, C., & Rivero Vallenas, J. P. (2020). Clasificación clínica y tratamiento temprano de la COVID-19. Reporte de casos del Hospital de Emergencias Villa El Salvador, Lima-Perú. Acta Médica Peruana, 37(2), 186-191.
Pérez Ortiz, M. (2021). ficación de imágenes mediante algoritmos de Deep Learning: Mascarillas de COVID-19. Ingeniería de las Tecnologías de Telecomunicación, Dpto. Teoría de la Señal y Comunicaciones. Sevilla: Universidad de Sevilla.
Puentes Suarez, G., Valencia Gamarra, H. S., Arteaga Rodriguez, C. G., Suárez Uribe, Y. L., & Espitia Soto, H. J. (2021). A propósito del COVID19, una revisión sistemática respecto al paradigma de la radiología y la inteligencia artificial. Scienti ic & Education Medical Journal, 2(1), 142-151.
Richardson, J., Vergara, S., Salcedo, J., A., R., & Cabarcas, C. (2020). Hallazgos imagenológicos y correlación con la escala de gravedad de la COVID-19. Revista Colombiana de Radiología, 31(1), 5269-76.
Rodríguez López, L. M., Barragán Urbano, D., Martínez Jerez, E. G., & Chacón Zambrano, L. A. (julio- diciembre de 2020). El verdadero papel de las imágenes diagnósticas en época de pandemia por COVID-19. Revista Neuronum, 6(4), 408-427.
Slipczuk, L., Arrioja, A., Medina, H., Piamo, L., Obregón, R., Lowenstein, D., & García, M. (2021). Recomendaciones para imágenes durante pandemia de COVID-19. Sociedad de Imágenes Cardiovasculares de la Sociedad Interamericana de Cardiología (SISIAC).
Zarrelli, R., Hernández, M., Martínez, A., Pérez, M., Andonaegui, L., Meléndez, A., Guzmán, O. (2021). Utilidad de la tomografía de tórax en el diagnóstico de la COVID-19. Revista Venezolana de Infectología, 32(1), 51-69.
