Fundamentos de Deep Learning y desarrollo de un modelo de Aprendizaje Federado para la diagnosis de COVID19 a partir de radiografías de tórax

Abstract

En los dos últimos años el mundo ha sido testigo de la aparición de una de las enfermedades más contagiosas del siglo XXI. La llamada COVID-19 ha ocasionado una pandemia que ha llegado a todos los rincones del planeta. Uno de los aspectos cruciales para poder tratar con éxito esta enfermedad es que el paciente sea diagnosticado a tiempo. Debido a la alta tasa de contagio, un gran número de pacientes han de ser atendidos en muy poco tiempo. Por ello es fundamental desarrollar técnicas de diagnóstico rápidas y precisas. Uno de estos métodos es el diagnóstico mediante radiografías de tórax, que se presenta como el más efectivo en cuanto al tiempo que requiere y al coste que conlleva.

En la actualidad, los modelos de aprendizaje profundo constituyen el estado del arte en todas las tareas de visión por computador. Las redes neuronales se han aplicado con éxito a multitud de problemas, entre los que se encuentran clasificación de imágenes y segmentación. El tipo concreto de red neuronal convolucional ha obtenido resultados superiores a las del experto humano en numerosas situaciones.

Una de las aplicaciones más exitosas de estas redes es el diagnóstico médico. Es indiscutible que un modelo robusto y preciso puede servir como un método de triaje y de apoyo a la toma de decisiones de los expertos en medicina. Sabemos, sin embargo, que para que estos modelos puedan obtener resultados competitivos debemos contar con una gran cantidad de imágenes en nuestro conjunto de datos. Esto supone un problema debido a las grandes limitaciones que tenemos para construir conjuntos de datos grandes con información procedente de hospitales. Por motivos legales, los centros médicos no pueden compartir los datos de sus pacientes libremente. Al tratar con ellos es necesario seguir un riguroso proceso para mantener la privacidad y la seguridad de la información. Ante esta necesidad surge el paradigma del aprendizaje federado. En contraposición al aprendizaje clásico, la totalidad de los datos no está disponible para el sujeto que lleva a cabo el entrenamiento, sino que estos están repartidos en distintos nodos.

En este trabajo diseñamos una nueva metodología para predecir la enfermedad COVID-19 a partir de radiografías de tórax que residen en diversos hospitales. En la vertiente más práctica, desarrollamos la librería SDNETLearning que permite entrenar modelos e inferir el diagnóstico de una radiografía en plataformas distribuidas de hospitales a nivel nacional.

En la vertiente teórica del trabajo realizamos un estudio exhaustivo de los fundamentos del problema del aprendizaje. De esta forma se estudiará el paradigma de aprendizaje estadístico clásico y el nuevo paradigma de aprendizaje federado y los retos que plantea. Además, formalizaremos la teoría que respalda a los métodos de aprendizaje profundo que componen el estado del arte para problemas de clasificación.

Los resultados que obtenemos como fruto de este trabajo son muy prometedores y establecen el camino a seguir para obtener una solución general a este problema.

In the last two years, the world has witnessed the emergence of one of the 21st century's most contagious diseases. COVID-19 caused a pandemic that reached every corner of the planet. One of the crucial aspects for successfully treating this disease is early diagnosis. Due to its high contagion rate, a large number of patients need to be attended to in a very short time. Therefore, developing fast and accurate diagnostic techniques is fundamental. One such method is diagnosis using chest X-rays, which is presented as the most effective in terms of required time and cost.

Currently, deep learning models represent the state of the art in all computer vision tasks. Neural networks have been successfully applied to a multitude of problems, including image classification and segmentation. Convolutional neural networks, specifically, have achieved results superior to those of human experts in numerous situations.

One of the most successful applications of these networks is medical diagnosis. It's undeniable that a robust and precise model can serve as a triage and decision-making support method for medical experts. We know, however, that for these models to achieve competitive results, we need a large quantity of images in our dataset. This poses a problem due to the significant limitations we face in building large datasets with information from hospitals. For legal reasons, medical centers cannot freely share patient data. When dealing with such data, a rigorous process must be followed to maintain privacy and information security. The federated learning paradigm arises from this need. In contrast to classical learning, the totality of the data is not available to the subject carrying out the training; instead, it is distributed across different nodes.

In this work, we design a new methodology to predict COVID-19 from chest X-rays residing in various hospitals. On the more practical side, we developed the SDNETLearning library, which allows models to be trained and diagnoses to be inferred from X-rays on distributed hospital platforms nationwide.

On the theoretical side of the work, we conducted an exhaustive study of the foundations of the learning problem. This involved studying the classical statistical learning paradigm and the new federated learning paradigm and the challenges they pose. Furthermore, we formalized the theory that underpins the deep learning methods that constitute the state of the art for classification problems.

The results we obtain from this work are very promising and set the path forward for achieving a general solution to this problem.