El proyecto HELPSALUD, impulsado por ITI, investiga la aplicación de técnicas del Machine Learning a tareas de pronóstico, diagnóstico y estratificación de pacientes. Este proyecto ha generado una Inteligencia Artificial al servicio del sector salud para el diganóstico precoz de enfermedades.

Un sistema en el que las máquinas, a través del aprendizaje automático a través de la acumulación y clasificación de datos, son capaces de parametrizar y predecir enfermedades, resultado del análisis iterativo de tipos de datos, como pueden ser imágenes (radiografías), historia clínica y análisis genómicos.

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.

Esta línea de trabajo en I+D del sector Salud ha centrado su estrategia en la investigación para la detección precoz y no invasiva de enfermedades como la detección precoz del cáncer de mama, la diagnosis no invasiva de la endometriosis o la estratificación de pacientes en la leucemia mieloide aguda.

Respecto a la investigación aplicada a la detección del cáncer de mama, HELPSALUD ha demostrado su utilidad como plataforma predictiva basada en las aplicaciones DM Scan y BC- RiskEStimator y se posiciona como una interfaz intuitiva y de alta utilidad para médicos e investigadores.

En cuanto a la diagnosis no invasiva de la endometriosis, el proyecto ha conseguido desarrollar un modelo matemático que permite aislar el conjunto de genes más útiles para el diagnóstico de la enfermedad. Técnicas de micro ARN y PCR hacen posible el análisis de datos genómicos, consiguiendo aislar y determinar la enfermedad en un conjunto preliminar de 22 genes de los 737 biomarcadores genéticos de los que se disponían. La precisión que se podría alcanzar con este resultado experimental está pendiente de ser evaluada con posteriores análisis de laboratorio.

Se trata de un modelo complejo que se enriquece conforme recoge datos de más pacientes y que es capaz de calcular en décimas de segundo la probabilidad de estar padeciendo endometriosis, sólo con la información genética proveniente de los análisis y sin necesidad de cirugía.

Modelos matemáticos y funciones de cálculo rápido están presentes también en la investigación de la Leucemia Mieloide Aguda, donde gracias a la colaboración con el IIS- La Fe, el equipo ha conseguido una precisión del 83% en tareas de estimación de la supervivencia libre de enfermedad y supervivencia libre de recaídas. Se trata de una línea de trabajo que ayudará al personal clínico a tomar las decisiones adecuadas en el momento de iniciar los diferentes tratamientos disponibles actualmente, para afrontar este tipo de enfermedad.

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.