El Instituto Tecnológico de Informática continua con las investigaciones del proyecto HELPSALUD en la aplicación de técnicas de Machine learning e Inteligencia artificial en el sector salud.
En concreto, con la investigación de ITI se está indagando sobre el pronóstico y diagnóstico de un conjunto de enfermedades concretas que son utilizadas como casos de uso para validar los procedimientos, técnicas y herramientas TIC desarrolladas.
ITI colabora en este proyecto con entidades como el Instituto de Investigación Sanitaria de la Fe, INCLIVA, Hospital del Mar o Fisabio para conseguir la estimación temprana del riesgo de padecer cáncer de mama, el diagnóstico no invasivo de la endometriosis, la selección del tratamiento más adecuado para la leucemia mieloide aguda de manera personalizada, así como, la valoración de padecer diabetes mellitus tipo 2.
Fruto de los avances realizados en esta línea de investigación, el 2018 ha sido un año estratégico para que ITI desarrollara una I+D focalizada en Salud.
I+D focalizado en Salud.
El cáncer de mama es el tumor más frecuente entre las mujeres. Solamente en España se producen 27.000 casos nuevos cada año y, aunque el índice de supervivencia es cercano al 85%, la alta frecuencia de la patología produce un gran número de muertes.
La cantidad de tejido fibroglandular en la mama se ha establecido como uno de los factores más importantes del riesgo de desarrollar cáncer de mama. Este factor se cuantifica por su porcentaje con respecto a la mama. En la imagen de las mamografías digitales, este tejido se caracteriza por su alta intensidad de brillo, pudiendo hacer imperceptible al ojo humano los marcadores de riesgo que determinan el diagnóstico temprano de desarrollar cáncer de mama.
En el marco de HELPSALUD, se disponía de las mamografías de 1500 pacientes, de las cuales una parte de las muestras de mamas desarrollaron cáncer. Basado en métodos de visión por computador y procesamiento de imágenes, se ha definido una característica global de la mamografía que permite describir los patrones ocultos por la intensidad de brillo del tejido fibroglandular.
La característica definida, junto con descriptores geométricos del tejido fibroglandular, ha servido para implementar un modelo basado en inteligencia artificial que ha mejorado la tasa de acierto en la predicción de padecer cáncer de mama. Adicionalmente, estos resultados han permitido avanzar en la especificación de herramientas desarrolladas con anterioridad, como DM-Scan y BCRiskEstimator, que de manera semiautomática daban soporte a la segmentación del tejido fibroglandular y la estimación del riesgo de desarrollar cáncer de mama a partir de factores de riesgo.
La endometriosis afecta a 1 de cada 10 mujeres en edad fértil según el Ministerio de Sanidad, se trata de una enfermedad ginecológica benigna, que, sin embargo, puede provocar esterilidad. La enfermedad se caracteriza por la existencia de tejido del endometrio fuera del útero, generalmente en ovarios, trompas de Falopio, vejiga urinaria o intestinos. Actualmente para poder diagnosticar la endometriosis se requiere de una cirugía menor mediante laparoscopia.
El proyecto Helpsalud ayuda a la diagnosis no invasiva de la enfermedad utilizando modelos predictivos que ofrecen una clasificación sobre el padecimiento o no de dicha enfermedad combinando datos de metabolomica y datos genéticos presentes en la sangre y en la orina.
Un modelo complejo que adquiere velocidad y precisión conforme ingesta más datos de pacientes y que es capaz de calcular en décimas de segundo la probabilidad de padecer la enfermedad, sólo con los análisis y sin necesidad de cirugía convirtiéndose en un método preciso y no invasivo.
Con respecto a la línea que trata la investigación del tratamiento más adecuado para la leucemia mieloide aguda, se utilizó un conjunto de datos facilitado por el equipo colaborador del IIS-La Fe, que contiene información de 146 pacientes.
En base a esta información se han construido complejos modelos matemáticos con los que se ha determinado el conjunto de variables clínicas y genéticas que más información aportan para predecir la evolución de la enfermedad y su respuesta a un tratamiento de inducción.
El caso de la Diabetes Tipo 2, ITI junto con un equipo del INCLIVA está investigando la influencia de las variantes del genotipo de 120 pacientes sobre el desarrollo de la diabetes. El enfoque está puesto en descubrir combinaciones de variantes que podrían influir en la aparición de dicha enfermedad.
Se han implementado técnicas de selección de variantes influyentes que permiten descartar variantes sin relación con la diabetes tipo 2. De esta forma se puede reducir drásticamente el número de variantes a analizar durante la fase de validación clínica. Concretamente, entre las más de 30 mil variantes iniciales, las investigaciones han puesto el foco sobre un centenar de ellas.
La explosión de la cantidad de variables genéticas, clínicas, ambientales que se manejan en las investigaciones del ámbito de la Salud representan un desafío computacional de primer orden. ITI está trabajando en el desarrollo de una plataforma Big Data de computo paralelo en la nube que hace posible dar respuesta a problemáticas que no podrían ser abordadas de otra manera.
La aplicación de este tipo de técnicas en el sector salud asentará las bases para alcanzar su digitalización, algo necesario para ahorrar costes y aumentar la productividad de los profesionales, ofreciendo un mejor servicio a los ciudadanos.