Sábado 20 Abril 2024

Intelixencia artificial contra o cancro de colon: PolyDeep ponse a proba en hospitais galegos

O proxecto entra nunha nova fase, con ensaios clínicos en Ourense, Vigo e Pontevedra para a diagnose de tumores colorrectais en tempo real

A detección é crucial na loita contra o cancro colorrectal, cunhas cifras en Galicia de 2.800 casos e 1.200 falecementos anuais. Os avances en torno a sistemas de diagnóstico asistido por computadora (CAD) son unha axuda fundamental para na detección total de pólipos e a súa clasificación, o que redunda nunha redución de extirpacións innecesarias. Con ese obxectivo naceu en 2018 un proxecto galego, PolyDeep, baseado na intelixencia artificial. Agora entra nunha nova etapa, centrado xa na validación clínica do sistema e a súa comercialización.

PolyDeep Advance é, como o seu antecesor, unha aventura investigadora impulsada polo Grupo de Investigación en Oncoloxía Dixestiva (GIODO), do Instituto de Investigación Sanitaria Galicia Sur, e polo centro de investigación CINBIO da Universidade de Vigo, a través do seu grupo de Sistemas Informáticos de Nova Xeración (SING).Os seus traballos tratan agora realizar unha validación clínica do proxecto, para comprobar a súa utilidade práctica mediante a realización de ensaios clínicos en hospitais galegos. Será o paso previo á comercialización dunha investigación que este ano mereceu un premio da Asociación Española de Gastroenteroloxía, co destino de 10.000 euros a través da Beca Tamarite-Oncoloxía Dixestiva.

Publicidade

A detección de pólipos colorrectais: o reto de PolyDeep

As colonoscopias son eses exames nos que se visualiza o interior do colon (intestino groso) e a zona rectal, mediante unha pequena cámara fixada a unha sonda que recibe o nome de colonoscopio. Durante este proceso, o que se fai é detectar pólipos, que son acumulacións de células que se forman no revestimento do colon. Existen dous tipos de pólipos: uns son inofensivos, afortunadamente a gran maioría deles. Pero os outros, os malignos, poden derivar en cancro de colon.

O pase de diapositivas require JavaScript.

No proxecto PolyDeep, os investigadores pretendían dar solución ao problema clínico que pode presentarse á hora de detectar os pólipos existentes nos pacientes e de analizar se son ou non potencialmente perigosos, para así evitar reseccións innecesarias dos tumores. Iniciouse en 2018, impulsado polo Programa Estatal orientado aos Retos da Sociedade, financiado Ministerio de Ciencia e Innovación, e chegou a súa fin no ano 2021. 

Miguel Reboiro Jato, investigador do proxecto e membro do grupo de Sistemas Informáticos de Nova Xeración, explica que o obxectivo que perseguían con PolyDeep era, por un lado, maximizar o número de pólipos que se conseguían detectar e, en segundo lugar, conseguir a súa clasificación. “As colonoscopias son un procedemento moitas veces rutineiro, que non só se realizan cando un paciente presenta síntomas ou ten unha patoloxía determinada, tamén se empregan á hora de facer un cribado a un sector da poboación dunha certa idade, para detectar posibles pólipos que poidan derivar en cancro. Para isto mesmo creamos este proxecto”, explica. 

Desenvolveuse seguindo tres liñas marcadas. En primeiro lugar, crearon un banco de imaxes e vídeos de pólipos, ao longo dos tres anos, que acaban de facer públicos no Biobanco do Instituto de Investigación Sanitaria de Galicia Sur. En segundo lugar, deseñaron modelos que empregan intelixencia artificial adestrados con imaxes procedeentes do banco para a detección e clasificación de pólipos. Finalmente, fixeron un sistema CAD real, que incorpora estes modelos para detectar esa información que se buscaba.

A base de datos do sistema conta con 30.000 imaxes de 1.176 pólipos distintos

“É unha base de datos que actualmente conta con máis de 30.000 imaxes de pólipos, revisadas por endoscopistas do grupo GIODO, do Servizo de Aparato Dixestivo do CHUO, para marcar a localización dos pólipos nelas. Na maior parte destas imaxes contamos coa histoloxía dos pólipos, que os categoriza e determina a súa malignidade. É unha base de datos moi completa que seguimos ampliando hoxe en día”, relata o investigador. Actualmente, o Biobanco conta con imaxes dun total de 1.176 pólipos distintos. PolyDeep recolleu datos de ata 404 pacientes, dos cales se obtiveron 568 vídeos de exploración colonoscópicas, cunha duración total próxima ás 75 horas. 

Un sistema de intelixencia artificial para axudar no diagnóstico dos pólipos de colon

Esta primeira parte do proxecto PolyDeep rematou o ano pasado, conseguindo con éxito gran parte dos obxectivos inicialmente planeados. “Conseguimos un modelo de detección e outro de clasificación, aínda que este último sexa algo máis complicado e no que aínda pretendemos mellorar cousas”, admite Reboiro. Ademais, desenvolveron un dispositivo CAD, que foi integrado nas torres de endoscopia do CHUO e probado nalgunhas endoscopias reais. 

PolyDeep Advance: os primeiros ensaios reais en Galicia

Dende setembro de 2021, os grupos de investigación implicados na posta en marcha de PolyDeep comezaron a traballar na súa continuación. Para conseguir financiaciamento nesta nova rama do proxecto, presentáronse á convocatoria Proba e Concepto, organizada tamén polo Ministerio, e proposta como unha forma comercializar proxectos subvencionados previamente. Deste modo, o que se busca é a maneira adecuada de converter PolyDeep nun produto real e sacalo ao mercado.

A maiores da parte de comercialización, o que buscan os investigadores neste momento é unha validación clínica, analizando, dende un punto de vista empírico, se a súa aplicación presenta ou non beneficios reais para esta enfermidade. “Esta parte é máis para terminar de pechar o prototipo, dar os últimos retoques, e así poder avaliar se realmente é útil ou non”, expón o enxeñeiro. Para incrementar o cociente de detección de pólipos en endoscopias reais e reducir o número de reseccións realizadas, antes deben saber se a clasificación que realiza o sistema CAD de PolyDeep é correcta e mellorar aquelas partes que poidan fallar no seu rendemento.

“Estamos realizando probas iniciais no Hospital de Ourense, para logo comezar cos ensaios clínicos”

“Agora todo isto está en desenvolvemento. Na parte de validación clínica estamos realizando unhas probas iniciais no CHUO, que se levarán a cabo en dúas fases“, engade Reboiro. Tras as probas en Ourense, desenvolverase unha segunda parte multicéntrica, na que estarán presentes, ademais do Hospital Universitario de Ourense, o Álvaro Cunqueiro de Vigo e o Complexo Hospitalario Universitario de Pontevedra. Contará tamén coa axuda da Fundación Biomédica do Instituto de Investigacións Sanitarias Galicia Sur.

“Estamos bastante contentos co noso traballo ata agora, porque imos conseguir uns resultados moi interesantes, e o feito de ser dous grupos de Ourense penso que pode achegar moito valor a nivel autonómico”, afirma o investigador.


O Centro de investigación CINBIO está cofinanciado a través do Fondo Europeo de Desenvolvemento Rexional dentro do Programa Operativo FEDER Galicia 2014-2020.

 

 

DEIXAR UNHA RESPOSTA

Please enter your comment!
Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.

Relacionadas

O festival CinVigo volve esta fin de semana á Porta do Sol con ciencia e diversión

A programación do CINBIO inclúe unha feira científica, obradoiros infantís, unha xincana, maxia e espectáculos

O CINBIO, seleccionado para crear os dispositivos que marcarán o futuro da enerxía solar

No marco do consorcio europeo ‘Adaptation’, a entidade elaborará partículas capaces de captar luz do Sol con capacidade de refrixeración

Por que o exercicio físico axuda a que os tratamentos médicos funcionen mellor?

É unha ferramenta barata, fácil de usar e moi efectiva coa que podemos mellorar o prognóstico da maioría de enfermidades

O CINBIO explora novas estratexias terapéuticas para trastornos do sistema inmune

O proxecto coordinado pola investigadora Verónica Salgueiriño estuda as citoquinas, as cales facilitan a comunicación entre as células do sistema inmunolóxico