Esta semana la Dirección General de Comunicación Social de la Universidad Nacional Autónoma de México (UNAM) dio a conocer que se ha desarrollado un sistema de atención clínica remota que aumentará la precisión en el diagnostico para la salud en las mujeres embarazadas y su feto.

Este proyecto de inteligencia artificial está creado por expertos de la UNAM, la Universidad Autónoma de México Iztapalapa (UAM)y el Instituto Nacional de Perinatología (INPer) que al desarrollar algoritmos ayudan a mejorar los ultrasonidos y así detectar alguna anomalía en el bebé.

Lo que quieren lograr es que un ginecólogo en una localidad lejana pueda tomar imágenes del ultrasonido de un feto y enviarlas vía remota al Instituto de Perinatología para conocer el estado de salud del bebé antes de nacer, gracias a un software de inteligencia artificial.

El titular del ‘Sistema automático para apoyo en la evaluación, clasificación y asignación de riesgos en fetos con alteraciones en crecimiento’, Fernando Arámbula Cosío, del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS), adelantó que el proyecto estará listo en 2022.

“La idea es, a través del análisis de imágenes, producir un diagnóstico. Por ejemplo, irrigación sanguínea en el cerebro fetal, con imágenes de ultrasonido dopler que miden directamente el flujo de sangre en el cerebro y el software lo analiza, se hace un estimado y se puede hacer una comparación del flujo normal contra algo anormal, que ya el experto o la experta recomendará”, explicó el investigador.

Este algoritmo podrá mejorar las imágenes de ultrasonido para mejorar la detección de los órganos como el cerebelo, así como la medición de los huesos como el fémur, la circunferencia craneal y el abdomen.

Arámbula Cosío explicó que también están desarrollando un algoritmo que pueda medir las contracciones del corazón del feto, para estimar si es sano, “se puede entrenar un algoritmo con contracciones normales y cuando grabamos el video de un nuevo feto y vemos que la curva se encoge y expande, podríamos detectar anormalidades respecto a la población normal”.