- El objetivo es desarrollar un sistema de reconocimiento de patrones que ayude al diagnóstico de enfermedades a partir de imágenes médicas
- La investigación impulsará el desarrollo de herramientas que mejorarán el diagnóstico de la migraña, las demencias y la depresión
València (17.04.19). Investigadores valencianos han recibido 12.7 millones de euros de la Unión Europea para participar activamente en el desarrollo de un software para el análisis y almacenamiento de gran cantidad de datos, principalmente imágenes médicas, que sirva 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 del Big Data y la Inteligencia Artificial y, en concreto, el Aprendizaje Profundo, conocido como Deep Learning.
El proyecto es una colaboración multidisciplinar entre el grupo de investigación que lidera 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, así como investigadores de otras 19 instituciones en 9 países europeos. El proyecto está coordinado por Everis.
La idea fundamental es disponer de algoritmos basados en Deep Learning que analicen imágenes y proporcionen información estructurada útil para el diagnóstico. Para ello, hay que 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.
“Crearemos una base de datos que contendrá miles de imágenes anotadas, es decir, descritas y adecuadamente clasificadas”, explica la investigadora de FISABIO María de la Iglesia Vayá, “Las anotaciones incluirán cientos de parámetros, como por ejemplo, el volumen exacto de decenas de regiones del cerebro y otras partes del cuerpo”, añade la experta en imagen médica.
“El gran valor de este proyecto es que persigue, a partir de reunir y analizar conjuntamente muchos de esos parámetros de imagen en miles de casos diferentes, refinar 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, así, su valor clínico”, añade la investigadora De la Iglesia-Vayá.
“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”, explica Jon Ander Gómez Adrián, investigador de la UPV.
“Para ello -añade Gómez- el primer paso es crear un entorno operativo, basado en dos nuevas librerías 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, 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.)”, comenta el investigador de la UPV Roberto Paredes Palacios. Por último, los modelos entrenados serán evaluados para validar las predicciones con el fin de confirmar que éstas son correctas.
El proyecto, que acaba de lanzarse el pasado enero y tiene una duración prevista de 3 años, ha recibido financiación del programa de investigación e innovación de la Unión Europea, Horizonte 2020, en virtud del acuerdo de subvención No 825111. Este proyecto, titulado DeepHealth, tiene un presupuesto de 12.774.824.80 €.
Asimismo, esta actuación ha sido cofinanciada por la Unión Europea a través del Programa Operativo del Fondo Europeo de Desarrollo Regional (FEDER) de la Comunidad Valenciana 2014-2020.