Un equipo del Instituto Universitario Valenciano de Investigación en Inteligencia Artificial (VRAIN) y el Instituto Interuniversitario de Investigación de Reconocimiento Molecular y Desarrollo Tecnológico (IDM) de la Universitat Politècnica de València (UPV), junto a la Fundación de Investigación del Hospital General de Valencia, está desarrollando una herramienta de inteligencia artificial que combina imágenes y datos clínicos …
Un equipo del Instituto Universitario Valenciano de
Investigación en Inteligencia Artificial (VRAIN) y el Instituto
Interuniversitario de Investigación de Reconocimiento Molecular y Desarrollo
Tecnológico (IDM) de la Universitat Politècnica de València (UPV), junto a la
Fundación de Investigación del Hospital General de Valencia, está desarrollando
una herramienta de inteligencia artificial que combina imágenes y datos
clínicos para reducir los falsos negativos en las biopsias líquidas utilizadas
para personalizar los tratamientos en pacientes oncológicos.
En esta nueva herramienta, dentro del proyecto PREDICTF, se
entrenarán diferentes modelos de aprendizaje automático y se seleccionará el
que proporcione mejores resultados. Su objetivo es el de detectar a tiempo
muestras no informativas que permitirán iniciar tratamientos precisos, basados
en las características de cada tumor.
La biopsia líquida es una técnica poco invasiva utilizada en
muchos campos, entre ellos en oncología, que consiste en analizar muestras de
fluidos biológicos, principalmente sangre, para detectar fragmentos genéticos o
células liberadas por el tumor que aportan información valiosa para
personalizar y guiar mejor el tratamiento de cada paciente.
Biopsias líquidas
Aunque el método tradicional de biopsia sólida, que extrae
tejido del tumor mediante técnicas invasivas, como la cirugía o biopsia con
aguja gruesa, entre otros, es el más certero para la detección de cáncer, se
trata de un proceso con riesgo que no se puede repetir de forma continua para
ver cómo cambia el tumor. La biopsia líquida se convierte en una opción
adecuada, que sí permite un seguimiento constante de la evolución de la
enfermedad en tiempo real como método alternativo o complementario.
Sin embargo, cuando una biopsia líquida no detecta
alteraciones, no se sabe si es porque pudiera no tener ADN tumoral en
circulación suficiente como para detectar alteraciones moleculares y dar un
resultado fiable.
Evitar diagnósticos erróneos
A través de esta herramienta de inteligencia artificial se
detectarán a tiempo estas muestras no informativas y se evitarán diagnósticos
incorrectos. El proyecto propone una herramienta de aprendizaje automático que
permitirá estimar con precisión el porcentaje de fracción de ADN tumoral libre
en circulación para identificar aquellas muestras que no disponen de suficiente
carga biológica para proporcionar un resultado fiable.
La utilización de esta herramienta generará un impacto
económico significativo en el sistema sanitario al optimizar el uso de la
biopsia líquida en pacientes con cáncer. En la actualidad, una biopsia líquida
tiene un coste importante, incluyendo personal y reactivos. Sin embargo, un
porcentaje de estas pruebas no obtienen suficiente material genético para un
análisis concluyente y generan un gasto y retraso considerables.
Esta herramienta aportará tres grandes beneficios. Por un
lado, permitirá una optimización de recursos al lograr una asignación más
eficiente de las pruebas, dirigiendo a cada paciente a la modalidad diagnóstica
más adecuada. Por otro, conseguirá una reducción de segundas pruebas
innecesarias, evitando la repetición de análisis. Y todo ello se traducirá en
una mayor agilidad clínica, que logrará una disminución significativa de los
tiempos de espera hasta el diagnóstico y el posterior tratamiento.
En este sentido, el investigador principal de este proyecto
del grupo PROS de VRAIN de la UPV, Óscar Pastor, indica que «la implementación
de este proyecto representa una oportunidad para mejorar diversos aspectos del
sistema de salud en el contexto oncológico.
Esa correcta identificación de alteraciones tumorales a través de la
biopsia líquida va a mejorar el tratamiento personalizado en el diagnóstico y
seguimiento del cáncer, proporcionando;
una alternativa segura mínimamente invasiva y más tolerable que la
biopsia sólida, la incorporación de tecnologías más económicas y accesibles
para la medicina de precisión, y herramientas automatizadas fiables en la
interpretación de resultados para el personal sanitario «.
Además, la investigadora del Grupo de Oncología Molecular de
la Fundación, Sandra Gallach, destaca que la incorporación de herramientas de
inteligencia artificial como la que impulsa este proyecto «permitirá
interpretar con mayor precisión los resultados de la biopsia líquida y
contribuirá a que los pacientes reciban antes el tratamiento más adecuado. La
colaboración entre especialistas en IA y profesionales clínicos resulta clave
para trasladar estos avances a la práctica asistencial».
Generalizable a cualquier tipo de cáncer
La herramienta será generalizable a cualquier tipo de
cáncer, lo que la convierte en una contribución de vanguardia al facilitar la
incorporación directa de la IA puntera en la práctica clínica para diversas
patologías oncológicas.
Asimismo, otra de las investigadoras del Grupo de Oncología
Molecular de la Fundación, Eloísa Jantus, añade que la metodología de
aprendizaje automático que se desarrollará en este proyecto «estará enfocada en
cáncer principalmente en estadios avanzados y en muestras de plasma, pero se
espera que sea directamente extrapolable a cualquier fluido biológico y a
diferentes tipos de tumores».
La herramienta se está diseñando en el marco del proyecto
PREDICTF, una de las seis iniciativas financiadas en la I Convocatoria de
ayudas del Programa PoliHGeneral, impulsado conjuntamente por la Fundación y la
UPV para promover proyectos colaborativos de I+D+i en salud.