Empresas Premium
.jpg){kind=logo}
Un equipo del Instituto Universitario Valenciano de Investigación en Inteligencia Artificial (VRAIN) y elInstituto 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.
Marta Vivó, Mireia Costa, Sandra Gallach, Ana María Pérez, Eloísa Jantus y Óscar Pastor
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.
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.
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 ”.
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.
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.
