Soluciones «made in Spain» para prevenir la enfermedad

Detectar precozmente los tumores de pulmón; hacer un triaje efectivo en caso de grandes catástrofes o mejorar la prevención, el diagnóstico y el tratamiento del cáncer de mama o la leucemia son algunas de las aplicaciones que reflejan ya el presente –y no solo el futuro– del uso de la Inteligencia Artificial (IA) en la Medicina.

Son muchos los casos de éxito que demuestran esta labor, como se pudo comprobar esta semana en Madrid en la primera edición de MeetechSpain, la «cumbre» de la investigación aplicada española, impulsada por la Federación de Centros Tecnológicos de España (Fedit), que contó con más de 500 investigadores, tecnólogos y representantes de la industria.

Un buen ejemplo de ello es DeepLung, de Eurecat, un nuevo sistema para identificar nódulos indicadores de posibles cánceres pulmonares mediante IA a través de una herramienta basada en aprendizaje profundo. El proyecto se ha llevado a cabo con la participación del Campus Vall d’Hebron y ha contado con el apoyo del Centro de Innovación en Tecnologías de Datos e Inteligencia Artificial (Cidai).

Como explica Paula Subías, coordinadora del proyecto, DeepLung surge con el propósito «de darles una segunda vida a las radiografías torácicas que se realizan a diario en los hospitales con un fin distinto al de detectar cáncer, para poder detectar esta enfermedad de manera precoz. Se basa en un algoritmo de Machine Learning que examina estas radiografías y tiene la capacidad de identificar señales tempranas de cáncer de pulmón».

Se ha evaluado con una cohorte de 20.000 radiografías torácicas y, de los 173 pacientes identificados como con riesgo alto de sufrir nódulo de pulmón, 39 de ellos fueron confirmados (22,5%). Después de varias pruebas piloto, actualmente está en validación en dos hospitales. «Tras las pruebas realizadas, el uso de DeepLung sobre radiografías no informadas aporta la detección de un caso mensual que hubiera pasado inadvertido según la práctica actual. Esto resultaría en unos 240 casos al año en Cataluña que el sistema de salud no hubiera diagnosticado hasta al menos dos años después», asegura Subías.

DeepLung pretende dar una segunda vida a radiografías que se hacen con un fin distinto a detectar tumores

Un objetivo parecido tiene el proyecto Bigsalud4. En este caso, ayudar al personal médico 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 a través de tecnologías de IA y Big Data. Para ello, combina conjuntos de datos como la historia clínica, la información genómica, las imágenes médicas, o los hábitos de vida para construir modelos predictivos.

Realizado a través del Ivace y los fondos Feder, aunque trabaja en dos enfermedades concretas (cáncer de mama y leucemia mieloide aguda), «la aproximación propuesta en Bigsalud4 es lo suficientemente general como para poder aplicarse a otras tareas como el diagnóstico de sepsis, la predicción de reingresos no programados, etc.», sostiene François Signol, jefe de proyecto e investigador de la línea de Aprendizaje e IA en ITI, la empresa que lo desarrolla.

En cáncer de mama, permite segmentar de forma automática el tejido denso en mamografías con resultados similares a las realizadas por expertos. Combinando esta información con datos epidemiológicos y factores de riesgo, se ha obtenido un modelo predictivo capaz de predecir la aparición del tumor a dos años vista con una probabilidad del 73% de que el diagnóstico realizado a un enfermo sea más correcto. Y, en leucemia se ha obtenido un modelo que estima el riesgo de complicaciones a 90 días tras diagnóstico. «En 2019 iniciamos este proyecto de la mano de diferentes hospitales. Desde entonces, y gracias a los avances alcanzados, ha sido posible realizar el despliegue experimental de la herramienta para cáncer de mama hace casi un año en colaboración con el Instituto Hospital del Mar de Investigaciones Médicas (IMIM). Y, durante el próximo año, para el caso de leucemia en el Hospital La Fe de Valencia», explica Signol.

El proyecto Bigsalud4 en cáncer de mama ya se aplica de forma experimental en el Hospital del Mar

Un tercer ejemplo de las aplicaciones sanitarias de la IA lo vemos en iTriaxems, una tecnología para mejorar las prácticas de triaje sobre el terreno, la asignación de recursos, la toma de decisiones y la disponibilidad, seguridad y protección de datos en un contexto de crisis en incidentes con múltiples víctimas como catástrofes naturales o grandes accidentes. El fin: reducir al máximo el número de víctimas mortales, las lesiones y las secuelas graves de los afectados.

«A partir de los datos de un sensor digital, colocado en muñeca u otras partes del cuerpo de la víctima, un algoritmo procesa las señales vitales y establece una prioridad de tratamiento en función de su gravedad y pronóstico. Esto es lo que se conoce como triaje – cuenta Óscar González Represas, director de la División TIC del Instituto Tecnológico de Galicia–. Dicho sensor, dispone de GPS de alta precisión, lo que permite su localización en todo momento. Además, las víctimas podrían ser localizadas con la ayuda de robótica terrestre y drones no tripulados dotados de visión artificial».

La IA se convierte así «en una herramienta adicional que, de forma coordinada con otras aplicaciones y dispositivos, permitirá dar información de valor para la toma de decisiones en dichos equipos, pero es imprescindible la supervisión», continúa. iTriaxems está en la segunda fase de iProcureSecurity PCP Project, iniciativa europea de compra pública innovadora enfocada a la adquisición precomercial de sistemas para los servicios médicos de emergencias a nivel europeo.