HELPSALUD: Proyecto de I+D - Machine Learning en el sector salud

Proyecto orientado a contribuir con la digitalización del sector sanitario a través del desarrollo de soluciones software basadas en técnicas de Machine Learning (ML), combinando de forma innovadora el uso de servicios de infraestructura de Big Data Analytics, a nivel de almacenamiento y procesamiento distribuidos, e Inteligencia Artificial

Especialmente relevante será la combinación de diferentes fuentes de información para establecer un servicio predictivo que permita el diagnóstico o pronóstico basado en el cálculo de modelos. Esto supone una serie de retos que, por una parte, consiste en el tratamiento de datos heterogéneos tales como: datos genéticos, cito-genéticos, clínicos, imágenes médicas (tales como: mamografías, ecografía, radiografía, resonancia magnética, tomografía axial computarizada, tomografía por emisión de positrones, etc.), entre otros.

Por otra parte, en la mayoría de los casos, esas fuentes de información provienen de un número reducido de pacientes, lo que implica la búsqueda de soluciones innovadoras que permitan tratar el desequilibrio entre el poco número de pacientes frente al gran número de variables que les describe. Debido a lo anterior, las técnicas de Machine Learning estándares no se pueden aplicar directamente y se han de implementar nuevos tratamientos previos de los datos que permitan tratar el problema. Como parte de la investigación de estas soluciones innovadoras, se pretende desarrollar un framework con librerías para la adaptación y pre-procesado de datos que preparen los mismos para la aplicación de técnicas ML, extracción y selección de características relevantes.

El objetivo final perseguido es proporcionar el mejor diagnóstico, pronóstico o estimación de riesgos, según sea el caso, que sirva de ayuda al personal clínico en la toma de decisiones acerca de sus pacientes permitiendo un tratamiento más personalizado y eficaz.

Adicionalmente, se buscan soluciones software innovadoras que sirvan como ayuda al personal clínico en el proceso de toma de decisiones. Estas soluciones irán desde el diseño y desarrollo de asistentes para el análisis de resultados, al desarrollo de servicios web multi-plataforma que permitan al médico la introducción de datos de los pacientes en un sistema basado en Inteligencia Artificial para la obtención de una predicción (diagnosis o prognosis) en tiempo real.

En el marco del proyecto se está investigando 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. Estos casos de uso abarcan la estimación temprana 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.

Como se menciona previamente, en este proyecto se tratará de avanzar en la aplicación de técnicas procedentes del Machine Learning en el sector salud, las cuales han demostrado su eficiencia en otros ámbitos. No obstante, el aplicar muchas de éstas técnicas requieren una gran capacidad de cómputo, por tanto, en el marco de este proyecto, también se evaluará el despliegue de una plataforma distribuida utilizando tecnologías Big Data para el análisis de información sanitaria utilizando algoritmos de ML, incluyendo servicios genéricos para la recopilación y tratamiento de datos.

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.

El proyecto HELPSALUD comenzó en 2017 explorando la aplicación de técnicas de ML en el sector de Salud y estableciendo contacto con entidades relevantes en el sector, las cuales mostraron un gran interés en la aplicabilidad de estas técnicas en determinadas enfermedades. Es por eso que en 2018, HELPSALUD fortalece el contacto con estas entidades y extiende el uso de estas técnicas de ML a otras enfermedades e incorpora el uso de infraestructura Big Data en el análisis de datos, lo cual permitirá acelerar el proceso de análisis de datos. De esta misma forma, se tiene como objetivo ampliar el abanico de herramientas TIC orientadas a servicios sanitarios.

Objetivos

Desplegar una plataforma para el desarrollo de proyectos de análisis de datos sanitarios utilizando tecnologías Big Data.
Definir una metodología que establezca un marco de trabajo común entre médicos y analistas de datos.
Desarrollo de soluciones innovadoras para la adaptación y pre-procesado de datos que permitan posteriormente aplicar técnicas Machine Learning (ML).
Desarrollar y aplicar técnicas de Machine Learning para producir modelos predictivos con el fin de emitir diagnósticos o pronósticos que ayuden a los especialistas en su toma de decisiones en un conjunto de enfermedades utilizadas como casos de uso: cáncer de mama, Leucemia mieloide aguda, diabetes mellitus tipo 2 y endometriosis.
Diseñar y desarrollar un servicio web multi-plataforma para obtener predicciones (diagnosis o prognosis) en tiempo real.