•  I
• a · A  I
• Accessibilitat  I
• Mapa web  I
• Cercar  I
• Directori

• ::  Sign in :: 

Un equip investigador valencià ha rebut 12,7 milions d'euros de la Unió Europea (UE) per a participar activament en el desenvolupament d'un programari que permeta l'anàlisi i emmagatzematge de gran quantitat de dades, principalment imatges mèdiques, com a eina de suport per al personal facultatiu en el procés de presa de decisions sobre el diagnòstic.

Aquest sistema aprofita les capacitats de classificació d'informació que ofereixen els processos de computació de dades massives i intel·ligència artificial (IA) i, en concret, l'aprenentatge profund, també conegut per l'anglicisme deep learning.

El projecte és una col·laboració multidisciplinària entre el grup d'investigació liderat per María de la Iglesia-Vayá en la Fundació per al Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana (FISABIO) i personal enginyer informàtic de la Universitat Politècnica de València (UPV) coordinat per Jon Ander Gómez Adrián. També, en una iniciativa coordinada per Everis, hi participen investigadores i investigadors de 19 institucions més de nou països europeus.

Models predictius a partir d'una gran base de dades amb imatges anonimitzades

La idea fonamental del projecte és disposar d'algorismes basats en l'aprenentatge profund que analitzen imatges i proporcionen informació estructurada útil per al diagnòstic. Per a això, és necessari generar models predictius que, nodrint-se d'una gran quantitat d'imatges, proporcionen com a eixida la probabilitat que una nova imatge reflectisca o no una determinada malaltia.

Un component essencial del projecte és la creació d'una gran base de dades amb imatges mèdiques anonimitzades que puguen utilitzar-se per a entrenar i validar els models matemàtics predictius.

En aquest sentit, De la Iglesia-Vayá afirma: "Crearem una base de dades que contindrà milers d'imatges anotades, és a dir, descrites i adequadament classificades. Les anotacions inclouran centenars de paràmetres, com per exemple, el volum exacte de desenes de regions del cervell i altres parts del cos".

"El gran valor d'aquest projecte", afig la investigadora de la FISABIO, "és que persegueix, a partir de reunir i analitzar conjuntament molts d'aquests paràmetres d'imatge en milers de casos diferents, afinar les prediccions sobre el diagnòstic a partir de les imatges mèdiques i, d'aquesta manera, reforçar la quantitat d'informació que se n'extrau i el seu valor clínic".

Comunicació i entesa entre els entorns de supercomputació i dades massives

Jon Ander Gómez Adrián, investigador de la UPV, assenyala que l'objectiu del projecte "és conjuminar dues àrees de desenvolupament informàtic que fins ara han estat separades: la supercomputació, que ofereix unes extraordinàries capacitats de processament, i les dades massives, que ofereixen una gran capacitat analítica".

"Amb aquesta finalitat", indica Gómez, "el primer pas és crear un entorn operatiu, basat en dues noves biblioteques informàtiques, que permeta la comunicació i l'entesa entre els entorns informàtics de supercomputació i els de les dades massives".

"Una vegada desenvolupat l'entorn operatiu" completa Roberto Paredes Palacios, també de la UPV, "el següent pas serà aplicar-lo a una sèrie de casos clínics per a entrenar els models predictius en diferents àrees mèdiques, 14 en total, incloses la migranya, la demència, la depressió, etc.". Finalment, els models entrenats seran avaluats per a validar les prediccions amb la finalitat de confirmar que aquestes són correctes.

3 anys de duració

Posat en marxa durant el mes de gener passat, amb una duració prevista de 3 anys, el projecte, titulat DeepHealth, i amb un pressupost exacte de 12.774.824,80 euros, rep el finançament del programa d'investigació i innovació de la UE Horitzó 2020, en virtut de l'acord de subvenció número 825111.