A oncoloxía computacional estuda modelos biomatemáticos e métodos computacionais para describir e predicir o crecemento de tumores e a súa resposta aos diversos tratamentos. Todo isto, coa finalidade de entender mellor a bioloxía do cancro, descubrir novas formas de controlar e combater a enfermidade, e optimizar a atención clínica mediante predicións personalizadas da progresión de cada paciente.
Neste contexto enmárcase o proxecto de investigación en oncoloxía computacional aplicado a cancro de próstata (PCATWIN) que desenvolve Guillermo Lorenzo, investigador contratado Ramón y Cajal do Departamento de Matemáticas da Universidade da Coruña (UDC), vinculado ao Grupo de investigación de Métodos Numéricos en Enxeñaría do Centro de Innovación Tecnolóxica en Edificación e Enxeñaría Civil (CITEEC). Un traballo realizado en colaboración cun equipo internacional e multidisciplinar, que inclúe persoal investigador e médico de España, Italia, Países Baixos, Reino Unido e Estados Unidos.
Centrándose nas primeiras fases da enfermidade desde a súa diagnose, o equipo busca deseñar métodos computacionais que lles permitan predicir como avanzará a enfermidade, podendo axudar así na toma de decisións relativas á frecuencia das probas de seguimento e á selección do tratamento radioterápico óptimo. Para axudar con este procesado de datos do paciente que permitirán personalizar o modelo, o cálculo das predicións tumorais, e a consecuente toma de decisións, o proxecto traballa na construción dun prototipo de xemelgo dixital.
Obxectivos a curto e longo prazo
A curto prazo, a investigación busca deseñar modelos e métodos computacionais que permitan predicir con suficiente precisión o crecemento do cancro de próstata desde o diagnóstico ata o seu primeiro tratamento, que adoita ser cirurxía ou radioterapia. Segundo Guillermo Lorenzo: “Tamén estamos a traballar en modelos de resposta radioterápica e seguimento de pacientes postratamento. Ademais, buscamos cuantificar a incerteza das predicións, para así poder medir mellor o nivel de risco clínico da enfermidade de cada paciente e poder ofrecer unha atención clínica que a controle, pero non expoña ao paciente a excesivos tratamentos que poidan ter un impacto profundo na súa calidade de vida”.
De cara ao longo prazo, o equipo de investigación seguirá traballando no desenvolvemento do xemelgo dixital, a través da combinación dos datos de pacientes xa atendidos no pasado coa validación prospectiva, é dicir, tentando facer predicións para pacientes que acaban de ser diagnosticados.
Outros proxectos do GMNI
Pero o labor de investigación deste grupo de investigación da UDC non queda aquí, senón que na actualidade está a desenvolver outros proxectos, como Green-HUGS. Esta iniciativa pretende analizar a viabilidade de utilizar cavernas subterráneas creadas artificialmente en macizos rochosos salinos para o almacenamento a grande escala (a nivel industrial) de hidróxeno producido mediante fontes de enerxía renovables. Deste xeito o hidróxeno poderíase almacenar de forma eficiente para un uso posterior como combustible ou para produción de enerxía eléctrica.
O proxecto TOPACIUS está orientado ao desenvolvemento e deseño de estruturas máis eficientes e resistentes coas que se pretende minimizar a cantidade de material utilizado para construílas, minimizando así o seu impacto nos recursos naturais e económicos e preservando ou incluso mellorando as súas propiedades mecánicas e resistentes.
Os proxectos ATHENEA e NEPTUNE buscan deseñar modelos e métodos computacionais para o deseño de sistemas de enerxía renovable desde dous ámbitos. Por unha banda, trabállase na mellora dos métodos de optimización destes sistemas, e por outra na mellora dos métodos de simulación para estimar os esforzos que as ondas de mar e o vento causan na estructura que soporta as turbinas.
O proxecto de investigación VIRIONBREAK, aprobado polo Instituto de Saúde Carlos III dentro da convocatoria de 2020, financiada polo Ministerio de Ciencia e Innovación de España e a Unión Europea, centrada no SARS-CoV-2 e a covid. O seu obxectivo principal era desenvolver unha tecnoloxía para a análise dinámica da cápside do coronavirus, permitindo calcular as súas frecuencias e modos de vibración. Estes resultados resultan claves para identificar emisións electromagnéticas ou ultrasóns que poidan destruír o virión por resonancia. Aplicando ese principio, sería posible o seu uso para os procesos de desinfección instrumental, roupa e instalacións, así como para eliminar o virus en residuos biolóxicos. Ademais, podería usarse en tratamentos terapéuticos tras os ensaios clínicos, se as frecuencias resultasen seguras.
