Revisión Sistemática de Literatura: Análisis de viabilidad para la detección y diagnóstico de Covid-19, aplicando modelos de Inteligencia Artificial (IA)

• Tillaguango Jiménez, Jonathan Ricardo ^[1]
  1. [1] Carrera de Ingeniería en Sistemas/Computación, Universidad Nacional de Loja, Loja, Ecuador
• Localización: CEDAMAZ, ISSN-e 1390-5902, ISSN 1390-5880, Vol. 11, Nº. 2, 2021 (Ejemplar dedicado a: CEDAMAZ), págs. 142-151
• Idioma: español
• Títulos paralelos:
  • Systematic literature review: Feasibility analysis for the detection and diagnosis of Covid-19, applying Artificial Intelligence (AI) models
• Enlaces
  • Texto completo
• Resumen
  • español

    Desde la declaración de la emergencia sanitaria provocada por el Covid-19 en marzo del 2020, hasta la fecha, existen aproximadamente 219 millones de contagiados, de los cuales 4,5 millones han muerto. En nuestro país, se estima que existen 508 mil casos confirmados y aproximadamente 32 mil muertes a causa de esta enfermedad. Pese a disponer de métodos verificados para diagnosticar Covid-19, las pruebas Polymerase Chain Reaction (PCR) o Real Time-PCR (RT-PCR), tienden a generar falsos positivos y negativos entre el 30\% y el 40\%. Por tal razón, ayudar a los métodos tradicionales a realizar un diagnóstico clínico preciso, usando como datos de entrada radiografías pulmonares, supone un cambio radical en la detección de Covid-19, puesto que, es una alternativa mucho más cómoda para el paciente y lo que es más importante, aumenta el nivel de precisión reduciendo a la vez, las tasas de falsos positivos y negativos. En la presente Revisión Sistemática de Literatura (RSL), la cual se ha basado en la metodología de Bárbara Kitchenham, busca sustentar la creación de un modelo basado en la arquitectura de Redes Neuronales Convolucionales (CNN), capaz de analizar radiografías pulmonares para el diagnóstico de Covid-19. Como resultado, se pudo dar contestación a las tres preguntas de investigación planteadas, mismas que sirvieron para delimitar el presente estudio, para ello se analizó 41 trabajos relacionados (TR), los cuales se enfocaban en diferentes métodos de diagnóstico basados en Inteligencia Artificial (IA), no obstante 16 de estos TR hacían referencia al uso de CNN para el diagnóstico de Covid-19 mediante el análisis de tomografías computarizadas (TC) y radiografías pulmonares (Rayos X), siendo esta última la opción más viable para aplicarlo en nuestro entorno, debido la disponibilidad de datos. Además, el uso de recursos por parte de estos métodos es asequible tanto a nivel local, usando la Unidad de Procesamiento Gráfico (GPU) Nvidia y memoria RAM superior a 8GB como base, o utilizar procesamiento en la nube usando Google Colab.

  • English

    Since the declaration of the health emergency caused by Covid-19 in March 2020, to date, there are approximately 219 million infected people, of which 4.5 million have died. In our country, it is estimated that there are 508 thousand confirmed cases and approximately 32 thousand deaths due to this disease. Despite the availability of verified methods to diagnose Covid-19, Polymerase Chain Reaction (PCR) or Real Time-PCR (RT-PCR) tests tend to generate false positives and negatives between 30\% and 40\%. Therefore, helping traditional methods to make an accurate clinical diagnosis, using lung radiographs as input data, represents a radical change in the detection of Covid-19, since it is a much more comfortable alternative for the patient and, more importantly, increases the level of accuracy while reducing false positive and negative rates. The present Systematic Literature Review (SLR), which is based on Barbara Kitchenham's methodology, seeks to support the creation of a model based on Convolutional Neural Network (CNN) architecture, capable of analyzing pulmonary radiographs for the diagnosis of Covid-19. As a result, it was possible to answer the three research questions posed, which served to delimit the present study, for which 41 related works (TR) were analyzed, which focused on different diagnostic methods based on Artificial Intelligence (AI), however 16 of these TR referred to the use of CNN for the diagnosis of Covid-19 through the analysis of computed tomography (CT) and pulmonary radiographs (X-rays), the latter being the most viable option to apply it in our environment, due to the availability of data. Furthermore, the use of resources by these methods is affordable, either locally using the Nvidia Graphics Processing Unit (GPU) and RAM memory greater than 8GB as a base, or using cloud processing using Google Colab.