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

• ::  Iniciar sesión :: 

Un equipo de investigadores y emprendedores de la Universitat Politècnica de València (UPV) ha puesto en marcha KENKO Imalytics, la spin off de la institución académica que nace para acercar el futuro de la medicina personalizada a través de biopsias virtuales, soluciones inteligentes que permitirán el diagnóstico precoz de cánceres de próstata y mama facilitando y mejorando, además, sus respectivos tratamientos.

La clave para lograrlo se encuentra en la aplicación de métodos estadísticos multivariantes de proyección sobre estructuras latentes (Latent Variable – based Multivariate Statistical Projection Methods, LV-MSPM), que permiten simplificar todos los biomarcadores en un único mapa probabilístico, la denominada biopsia virtual.

Dirigida por el ingeniero químico y doctor en Estadística y Optimización por la UPV Eric Aguado Sarrió, KENKO Imalytics está integrada, junto a él, por expertos investigadores en la materia como Alberto José Ferrer Riquelme, catedrático de universidad del Departamento de Estadística e Investigación Operativa Aplicadas y Calidad (DEIOAC-UPV); José Manuel Prats Montalbán, titular de universidad del DEIOAC-UPV; y Enrique Sánchez Mendoza.

Los LV-MSPM, una alternativa con importantes ventajas sobre el machine learning

“En la actualidad”, señala Eric Aguado, “los avances médicos y la mejora en los hábitos de vida saludable de la población han dado lugar a un incremento de la esperanza de vida y, como consecuencia, a un aumento de enfermedades ligadas al deterioro humano, entre las que se encuentra, entre otras muchas, el cáncer. Por ello, desde hace ya algunos años, el mundo médico está empezando a utilizar la tecnología y las herramientas digitales con el fin de analizar datos de todo tipo (genómico, radiómico o de imagen, serológico, etc.), y contribuir, de este modo, a una mejor predicción, diagnosis y tratamiento de las enfermedades, mejorando así la calidad de vida de las personas”.

En este contexto, han surgido como un potente recurso para analizar bases de datos de gran tamaño las herramientas de aprendizaje automático (machine learning), con respecto a las que los LV-MSPM son “una alternativa, menos conocida, pero con importantes ventajas desde el punto de vista de la comprensión de los distintos fenómenos fisiológicos asociados a los estados incipientes de una enfermedad”, indica Aguado.

La biopsia virtual: ¿qué es y cómo se crea?

En este ámbito, KENKO Imalytics es el mejor reflejo de los prometedores resultados derivados de la línea de investigación en análisis de imagen médica del Grupo de Ingeniería Estadística Multivariante (GIEM-UPV), experto en el uso de estas herramientas y con más de una década de experiencia en su aplicación en entornos médicos.

“KENKO”, explica José Manuel Prats, “desarrolla nuevos biomarcadores de imagen, además de los ya existentes, a partir de imágenes funcionales de resonancia magnética (RMN) de difusión y perfusión, para crear un único mapa probabilístico (biopsia virtual) de ayuda a la diagnosis y prognosis del cáncer, así como de apoyo clínico a la elección del mejor tratamiento para cada tipo de enfermedad”.

En concreto, añade, “una biopsia virtual es una imagen creada por medio de modelos predictivos -en este caso, LV-MSPM- a partir de una serie de biomarcadores de imagen, tantos como de los que se disponga. De esta manera, al simplificar todos los biomarcadores en una sola imagen, se facilita la toma de decisiones clínica, a la vez que se gana en fiabilidad del diagnóstico/pronóstico, tanto en términos de sensibilidad como de especificidad, al ir incorporando el valor añadido de cada biomarcador en la nueva imagen”.

La integración con la información genómica, otro paso adelante

“Pero KENKO Imalytics es mucho más”, afirma Alberto José Ferrer. “La integración de este tipo de información con la proveniente del mundo de la genómica no sólo va a permitir concretar el mejor tratamiento para cada subtipo de enfermedad o variedad de tumor, sino, además, poder personalizar dicho tratamiento mediante la agrupación de pacientes en función de sus características genéticas. Para ello, se hace del todo necesario utilizar herramientas que no sean de cajas negras, muy difíciles de interpretar cuando existe una fuerte correlación entre las variables analizadas, tal y como les sucede a otras técnicas como los modelos de regresión o las técnicas de machine learning”.

“En definitiva”, concluye, “la aparición de KENKO Imalytics permite hacer llegar todas las ventajas de los LV-MSPM del mundo de la investigación a la sociedad, contribuyendo a que la medicina personalizada deje de ser un sueño y pueda convertirse en una realidad”.