Un dos eixos máis importantes para avanzar na medicina clínica é a investigación. Para afondar na colaboración e no impulso de datos compartidos en Galicia nace ImageDataSpace, un proxecto europeo enmarcado no Plan de recuperación, transformación e resiliencia-Next Generation EU, vinculado á Secretaría do Estado para a Intelixencia Artificial dende a Axencia Galega de Coñecemento en Saúde (ACIS), que busca crear un espazo de datos para a investigación e novos produtos baseados na imaxe médica.
Pero, onde se agocha o potencial? As imaxes médicas permiten mellorar a atención sanitaria e fomentar a innovación en saúde. Baixo o respaldo do Subdirección Xeral de Sistemas e Tecnoloxías da Información créase un espazo de datos federado —unha tecnoloxía empregada nas empresas de distribución e saúde— para almacenar as imaxes e non comprometer nin a privacidade nin a seguridade da información clínica dos pacientes da área sanitaria de Santiago de Compostela e Barbanza do Servizo Galego de Saúde.
Ademais, é froito da colaboración: poden participar diversos centros de investigación e universidades de España e Galicia. “Toda a comunidade científica se beneficia”, sinala Javier Quiles, subdirector de Sistemas da Información da área sanitaria de Santiago e coordinador técnico de ImageDataSpace.
Actualmente, o proxecto atópase na súa recta final co obxectivo de deixar pegada no sistema sanitario galego: “Os servizos de saúde teñen moita información dixitalizada e pódese explotar para poder investigar”, explica José María Romero, director da Área de Desenvolvemento e Innovación Sanitaria de ACIS.
Como funciona un espazo de datos federado?
O proxecto ImageDataSpace é o predecesor do TARTAGLIA, un programa pioneiro con participación galega que tiña como obxectivo crear unha rede federada mediante o uso de intelixencia artificial (IA).
Tres anos máis tarde, a nova iniciativa aparece co mesmo obxectivo, pero con algunhas modificacións: diferentes entidades —dende equipos de investigación ata empresas— contan cos seus propios almacéns de datos e fedéranse; é dicir, un usuario dentro da rede pode acceder a todos os almacéns creados e combinar a información, coa diferenza de que os datos seguen a estar custodiados de forma segura polo propietario de cada almacén. “Están nun lugar seguro; non viaxan nin se transfiren a outros puntos”, sinala Quiles.
Neste sentido, a federación permite levar a cabo grandes avances ao evitar as copias: por exemplo, no caso das enfermidades raras, onde hai poucos casos de pacientes, a federación nunha rede entre comunidades autónomas permite que o conxunto de datos aumente e conséguese máis capacidade de análise. E o máis importante é que os pacientes poden negarse a que os seus datos sexan utilizados, pero deben saber que se tratan de forma anonimizada.
Axuda ao diagnóstico
A imaxe é un factor vital dentro da práctica clínica. “Sistemas de redes neuronais como o deep learning axudan ao diagnóstico por imaxe”, explica Javier Quiles. Así, neste caso, ImageDataSpace funciona a través de IA: adéstrase previamente cun banco de datos de imaxes, empregando material etiquetado por profesionais sanitarios —segundo o diagnóstico que corresponde—; cando xa se ten un banco de imaxes extenso, a tecnoloxía recoñece un patrón polas similitudes entre as imaxes. “Este proxecto pretende establecer bancos de imaxes e construír novos algoritmos”, sinala.
Tres liñas de aplicación
A partir da premisa inicial, establécense tres casos de uso aplicables na actualidade na investigación médica a través de ImageDataSpace.
En primeiro lugar, no caso da cardioloxía preténdese, a partir de imaxes de TAC coronario, identificar que vasos sanguíneos do corazón se deben intervir de forma non invasiva como resposta a un efecto negativo. En segundo lugar, en anatomía patolóxica, os profesionais levan a cabo unha revisión das imaxes para analizar se existen lesións ou tecido; o sistema de ImageDataSpace permite filtrar os resultados e aforrar tempo para que a tarefa sexa máis precisa e eficiente. E, por último, en oftalmoloxía decidiron crear un algoritmo centrado no edema macular, que require dun estudo complexo a través dun escáner óptico; a enfermidade detéctase con retinografía, unha técnica complicada; a alternativa de ImageDataSpace permite facilitar o diagnóstico.
”Son exemplos iniciais e moi asistenciais”, explica Javier Quiles. Segundo o subdirector de Sistemas da Información, os próximos candidatos para entrar no programa son as resonancias magnéticas, a neuroloxía ou probas ligadas ao Centro de Protonterapia; eidos onde, sobre todo, a axuda ao diagnóstico poida aportar.
Máis aló: a colaboración
ImageDataSpace facilita en gran medida a colaboración entre hospitais, centros de investigación, universidades e empresas tecnolóxicas —ou spin-offs—. Dende hai un tempo, estase descubrindo o potencial das imaxes para crear algoritmos como un modelo seguro; con todo, a posta en práctica require permisos especiais e transferir moitos datos dende diferentes entidades.
“O movemento de imaxes é complexo; son pesadas, precisan almacenamento e redes moi potentes”, explica Quiles, a pesar de que todas esas dificultades se solucionan grazas á rede de datos federada. Así, procúrase a facilidade para obter bancos de imaxe, facilitando o acceso para poder traballar nelas directamente, no contexto dunha sociedade cada vez máis inmersa no uso de datos e IA.
O éxito do proxecto atópase no desenvolvemento das tres liñas de algoritmos con resultados clínicos adecuados. “O éxito será que nun ou dos anos se multipliquen por 10 os casos de uso, e teñamos arredor de 30 modalidades de imaxe e un maior número de aplicacións”, conclúe Javier Quiles.
