DeepHealth

Un equipo de investigadores valencianos ha recibido 12,7 millones de euros de la Unión Europea (UE) para participar activamente en el desarrollo de un software que permita el análisis y almacenamiento de gran cantidad de datos, principalmente imágenes médicas, como herramienta de apoyo a los facultativos en el proceso de toma de decisiones sobre el diagnóstico.

Este sistema aprovecha las capacidades de clasificación de información que ofrecen los procesos de computación de big data e inteligencia artificial (IA) y, en concreto, el aprendizaje profundo, conocido por el anglicismo deep learning.

El proyecto es una colaboración multidisciplinar entre el grupo de investigación liderado por María de la Iglesia-Vayá en la Fundación para el Fomento de la Investigación Sanitaria y Biomédica de la Comunitat Valenciana (FISABIO) e ingenieros informáticos de la Universitat Politècnica de València (UPV) coordinados por Jon Ander Gómez Adrián. Junto a ellos, en una iniciativa coordinada por Everis, participan investigadores de otras 19 instituciones de nueve países europeos.

Modelos predictivos a partir de una gran base de datos con imágenes anonimizadas

La idea fundamental del proyecto es disponer de algoritmos basados en deep learning que analicen imágenes y proporcionen información estructurada útil para el diagnóstico. Para ello, es necesario generar modelos predictivos que, nutriéndose de una gran cantidad de imágenes, proporcionen como salida la probabilidad de que una nueva imagen refleje o no una determinada enfermedad.

Un componente esencial del proyecto es la creación de una gran base de datos con imágenes médicas anonimizadas que puedan utilizarse para entrenar y validar los modelos matemáticos predictivos.

En este sentido, De la Iglesia-Vayá afirma: "Crearemos una base de datos que contendrá miles de imágenes anotadas, es decir, descritas y adecuadamente clasificadas. Las anotaciones incluirán cientos de parámetros como, por ejemplo, el volumen exacto de decenas de regiones del cerebro y otras partes del cuerpo".

"El gran valor de este proyecto", añade la investigadora de la FISABIO, "es que persigue, a partir de reunir y analizar conjuntamente muchos de esos parámetros de imagen en miles de casos diferentes, afinar las predicciones sobre el diagnóstico a partir de las imágenes médicas y, de ese modo, reforzar la cantidad de información que se extrae de ellas y su valor clínico".

Comunicación y entendimiento entre los entornos de supercomputación y big data

Jon Ander Gómez Adrián, investigador de la UPV, señala que el objetivo del proyecto "es aunar dos áreas de desarrollo informático que hasta ahora han estado separadas: la supercomputación, que ofrece unas extraordinarias capacidades de procesamiento, y el big data, que ofrece una gran capacidad analítica".

"Para ello", indica Gómez, "el primer paso es crear un entorno operativo, basado en dos nuevas bibliotecas informáticas, que permita la comunicación y el entendimiento entre los entornos informáticos de supercomputación y los de big data".

"Una vez desarrollado el entorno operativo" completa Roberto Paredes Palacios, también de la UPV, "el siguiente paso será aplicarlo a una serie de casos clínicos para entrenar los modelos predictivos en diferentes áreas médicas, 14 en total, incluyendo migraña, demencia, depresión, etc.". Por último, los modelos entrenados serán evaluados para validar las predicciones con el fin de confirmar que estas son correctas.

3 años de duración

Puesto en marcha durante el pasado mes de enero con una duración prevista de 3 años, el proyecto, titulado DeepHealth y con un presupuesto exacto de 12.774.824,80 euros, recibe la financiación del programa de investigación e innovación de la UE Horizonte 2020 en virtud del acuerdo de subvención número 825111.