DeepHealth

Un equip investigador de la Universitat Politècnica de València (UPV) treballa en la generació de noves biblioteques d'intel·ligència artificial que ajudaran en el diagnòstic clínic de malalties com Alzheimer, depressió o diferents tipus de càncer.

La seua principal novetat resideix en la combinació de la supercomputació i les dades massives, la qual cosa es tradueix en una gran capacitat, tant analítica com de processament de dades, que facilitarà disposar d'una millor i més completa informació per a establir un diagnòstic.

Suport al diagnòstic

Jon Ander Gómez, del centre d'investigació Pattern Recognition and Human Language Technology (PRHLT) de la UPV, explica que l'objectiu del projecte “és desenvolupar eines perquè el personal tècnic del sector salut puga donar suport als metges a l'hora de donar un diagnòstic”.

“Volem contribuir a millorar la productivitat d'aquests informàtics”, afig, “de manera que disposen d'una eina d'alta computació que facilite el processament de tota la informació de les proves –principalment, imatges mèdiques– que arriben a un centre de salut, un hospital, etc.”.

PRHLT i GAP-DISCA

El desenvolupament d'aquesta eina s'emmarca dins del projecte DeepHealth -coordinat per EVERIS- i és a càrrec del PRHLT de la UPV i el Grup d'Arquitectures Paral·leles (GAP del DISCA) de la UPV, que s'encarrega de la seua adaptació a noves arquitectures heterogènies de càlcul científic.

En aquest aspecte, José Flich, investigador del GAP del DISCA de la UPV, indica: “Estem adaptant infraestructures de supercomputació, en les quals disposem de milers de processadors, per a optimitzar i facilitar el diagnòstic clínic. Amb aquestes, tindrem un processament de la informació molt més ràpid i eficient, i reduirem així també els temps de diagnòstic”.

En constant evolució

Es tracta, a més, d'una eina en constant entrenament, que va aprenent contínuament amb el processament de nova informació. A partir d'algorismes basats en l’aprenentatge profund (deep learning), s'analitzen les imatges i s'ofereix una informació ben estructurada que ajudarà en el diagnòstic. La biblioteca va nodrint-se d'una gran quantitat d'imatges, a partir de les quals, davant un nou cas, es processa la informació i es determina la possibilitat, o no, que hi haja una patologia.

“Actualment”, indica Gómez, “disposem d'una primera versió de la biblioteca. El següent pas és la seua integració en les diferents plataformes i equips informàtics de què disposen els hospitals per al diagnòstic”.

Aplicació a 14 casos clínics

Per a la seua validació, l'eina s'aplicarà a diferents casos clínics (14 en total, que inclouen migranya, demència, depressió, càncer, Alzheimer…) que serviran per a entrenar els models predictius que faciliten el diagnòstic.

Finançat pel programa Horizon 2020, el projecte DeepHealth s'estendrà, inicialment, fins al final del 2021.