BIGSALUD: Big Data e Inteligencia Artificial para optimización del sistema de salud

SALUD
Fecha de inicio: 01/07/2019
Fecha de finalización: 30/09/2021

Según datos de la Organización Mundial de la Salud, las enfermedades crónicas son las responsables del 63% de las muertes en Europa. Pero según esa misma fuente, la eliminación de los riesgos más importantes permitiría prevenir las tres cuartas partes de la carga atribuible a enfermedades cardiovasculares, accidentes cerebrovasculares, diabetes, y cáncer.

Ante este contexto, las TIC se posicionan como la solución para alcanzar una mayor calidad en nuestros sistemas de salud.

El proyecto BIGSALUD, en el que ITI lleva trabajando desde 2019, está orientado a desarrollar técnicas de Big Data e Inteligencia Artificial en el sector sanitario con un objetivo claro: Mejorar la prevención, el diagnóstico y el tratamiento de las enfermedades crónicas.

Al mismo tiempo, estas tecnologías posibilitarán la optimización de procesos para reducir tiempos y costes asistenciales contribuyendo así a la sostenibilidad de los sistemas sanitarios en Europa.

BIGSALUD se enmarca en el área de la Bioinformática y tiene como finalidad combinar de forma innovadora el uso de servicios de infraestructura de Big Data a nivel de almacenamiento y procesamiento distribuidos e Inteligencia Artificial, para aportar soluciones novedosas a los problemas relacionados con la medicina de precisión.

Los resultados de la primera anualidad incluyen el diseño y puesta en marcha de un prototipo de plataforma Big Data Analytics (BDA). El trabajo realizado ha constado de tareas de análisis, diseño e implementación orientadas a la puesta en marcha de una infraestructura demostrativa en entorno relevante, obteniendo los siguientes resultados:

  • Arquitectura BDA.
  • Plataforma Lanzadera.
  • Aplicación reingreso 30 días.

BIGSALUD ayudará al personal clínico en el proceso de toma de decisiones, haciendo posible un mejor diagnóstico y pronóstico de enfermedades y un tratamiento más personalizado y eficaz de los pacientes

Del mismo modo, se ha perseguido maximizar la precisión del pronóstico en base a modelos predictivos fundados en técnicas de Aprendizaje Automático (Machine Learning) sobre datos obtenidos a partir del seguimiento de los pacientes. Las acciones han consistido en realizar la I+D necesaria para encontrar y probar las soluciones a los desafíos planteados en el ámbito hospitalario y el marco de trabajo previsto por el proyecto, alcanzándose la validación de los resultados en un entorno relevante para las siguientes tareas:

  • Predicción de reingreso a 30 días.
  • Detección de COVID-19 en radiografías torácicas.
  • Pronóstico en la evolución de pacientes con posible diagnosis de COVID-19.

En su segunda anualidad, se plantea seguir con el avance de la línea de I+D iniciada y desarrollada en BIGSALUD.

Por una parte, progresar en la aplicación al sector de la salud, de las técnicas procedentes de Machine Learning que han demostrado su eficacia en otros ámbitos como la biometría, el reconocimiento de texto manuscrito, la traducción automática, etc. Por otra parte, se trata de enmarcarlo en un entorno de Análisis de Datos que, por naturaleza, permite tanto almacenamiento robusto como computaciones masivas, todo ello de forma ágil, elástica y escalable.

En su tercera anualidad, BIGSALUD3 tiene el objetivo de consolidar y ampliar el trabajo realizado en los proyectos BIGSALUD1 y BIGSALUD2. Durante la ejecución de los mismos, se identificaron una serie de retos clínicos en los que aplicar técnicas de Machine Learning podría aportar valor. Entre los retos identificados se presentan algunos ejemplos que pretenden abordarse, aunque no tiene porqué limitarse a estos, clasificados de acuerdo a la naturaleza de los datos que se utilizarían para abordarlos: análisis de datos clínicos u ómicos: pronóstico de reingreso no programado de pacientes crónicos, pronóstico de respuesta de tratamiento en Leucemia Mieloide Aguda, y pronóstico de evaluación clínica de pacientes con COVID19.

Así como el análisis de imagen médica, caracterización de tejidos de mamografías digitales y su influencia en el desarrollo de cáncer de mama.

 

Combinando de forma innovadora servicios de infraestructura para tratamiento de información, tanto a nivel de almacenamiento como de procesamiento distribuido, con Inteligencia Artificial, se espera aportar soluciones novedosas a los problemas relacionados con la medicina de precisión, como los mencionados anteriormente. Con ello se pretende mejorar la calidad de vida con una medicina donde los tratamientos se ajusten a cada paciente y donde un hospital pueda anticiparse mejor a sus necesidades.

Objetivos

  1. Como resumen de los objetivos del proyecto, se pueden destacar los siguientes ejes:
    1. Consolidación de una metodología de adaptación de datos sanitarios.Consolidar un flujo de trabajo común entre equipos médicos y analistas de datos para intercambiar, entender y transformar los datos sanitarios (imágenes médicas, información genómica, información clínica, etc.) de manera optimizada para su análisis con técnicas Machine Learning. 
    2. Análisis de datos sanitarios mediante técnicas de Machine Learning. Perfeccionar las técnicas de Aprendizaje Automático (Machine Learning) para extraer características discriminativas de imágenes médicas, identificar las variables relevantes de un conjunto de datos sanitarios, producir modelos predictivos con el fin de emitir pronósticos que apoyan la decisión clínica. Estas mismas técnicas serían aplicables en cualquier otro ámbito de interés para un hospital.
    3. Infraestructura y software de apoyo clínico. Optimizar la infraestructura de análisis de datos a las necesidades de un hospital. Extender un servicio predictivo donde un médico pueda introducir en un sistema basado en Inteligencia Artificial los datos de un paciente para obtener una estimación en tiempo real e integrarlo con los servicios y aplicaciones que éste pueda disponer y que se consideren relevantes para la ejecución de los modelos de ML implementados.
Entidades financiadoras

Entidad: IVACE
Nº Expediente: IMDEEA/2019/92
Financiación:151.777,90 €

Entidad: IVACE
Nº Expediente: IMDEEA/2020/55
Financiación:249.828 €

Entidad: IVACE
Nº Expediente: IMDEEA/2021/100
Financiación:213.377 €

Resultados obtenidos

Los resultados obtenidos en el proyecto se encuentran aquí

Puedes descargarte el póster del proyecto aquí

 

Noticias relacionadas

Gestión de datos más competitiva para empresas
Proyectos I+D+I 

Esta innovadora herramienta garantizará un adecuado entorno de trabajo en las áreas del aprendizaje automático y la inteligencia artificial.

El 75% de las empresas trabajarán con inteligencia artificial en 2024
Eventos, Inteligencia artificial 

La red AI4ES busca situar a España a la cabeza en Inteligencia Artificial, y está reconocida por el Ministerio de Ciencia, Innovación y Universidades como Red de Excel...

Realidad Aumentada para mejorar la salud mental
Proyectos, Realidad Aumentada, Salu... 

Estamos investigando y desarrollando nuevos sistemas y dispositivos informáticos que estudian el comportamiento humano de manera no intrusiva para mejorar la salud menta...

Eventos relacionados