•  I
• a · A  I
• Accesibilidad  I
• Mapa web  I
• Buscar  I
• Directorio

• ::  Iniciar sesión :: 

Un equipo de investigadores de la Universitat Politècnica de València (UPV) trabaja en la generación de nuevas librerías de inteligencia artificial que ayudarán en el diagnóstico clínico de enfermedades como Alzheimer, depresión o distintos tipos de cáncer.

Su principal novedad reside en la combinación de la supercomputación y el big data, lo que se traduce en una gran capacidad tanto analítica como de procesamiento de datos, facilitando disponer de una mejor y más completa información para establecer un diagnóstico.

Apoyo al diagnóstico

Jon Ander Gómez, del Centro de Investigación Pattern Recognition and Human Language Technology (PRHLT) de la UPV, explica que el objetivo del proyecto “es desarrollar herramientas para que el personal técnico del sector salud pueda dar apoyo a los médicos a la hora de dar un diagnóstico”.

“Queremos contribuir a mejorar la productividad de estos informáticos”, añade, “de forma que dispongan de una herramienta de alta computación que facilite el procesado de toda la información de las pruebas –principalmente, imágenes médicas- que llegan a un centro de salud, un hospital, etc.”.

PRHLT y GAP-DISCA

El desarrollo de esta herramienta se enmarca dentro del proyecto DeepHealth -coordinado por EVERIS- y corre a cargo del PRHLT de la UPV y el Grupo de Arquitecturas Paralelas (GAP-DISCA) de la UPV, que se encarga de su adaptación a nuevas arquitecturas heterogéneas de cálculo científico.

En este aspecto, José Flich, investigador del GAP-DISCA de la UPV, indica: “Estamos adaptando infraestructuras de supercomputación, en las que disponemos de miles de procesadores, para optimizar y facilitar el diagnóstico clínico. Con ellas, tendremos un procesado de la información mucho más rápido y eficiente, reduciendo así también los tiempos de diagnóstico”.

En constante evolución

Se trata, además, de una herramienta en constante entrenamiento, que va aprendiendo continuamente con el procesado de nueva información. A partir de algoritmos basados en deep learning, se analizan las imágenes y se ofrece una información bien estructurada que ayudará al diagnóstico. La librería va nutriéndose de una gran cantidad de imágenes, a partir de las cuales, ante un nuevo caso, se procesa la información y se determina la posibilidad, o no, de que exista una patología.

“Actualmente”, indica Gómez, “disponemos de una primera versión de la librería. El siguiente paso es su integración en las diferentes plataformas y equipos informáticos de los que disponen los hospitales para el diagnóstico”.

Aplicación a 14 casos clínicos

Para su validación, la herramienta se aplicará a diferentes casos clínicos -14 en total, incluyendo migraña, demencia, depresión, cáncer, Alzheimer…- que servirán para entrenar los modelos predictivos que faciliten el diagnóstico.

Financiado por el programa Horizon 2020, el proyecto DeepHealth se extenderá, incialmente, hasta finales de 2021.