El proyecto, titulado Artificial Intelligence Decision Tools for Tumour Diagnosis (AIDTumour) y financiado con fondos de la Comisión Interministerial de Ciencia y Tecnología (CICyT), está dirigido por Alfredo Vellido, investigador del grupo de investigación Soft Computing (SOCO) de la UPC. Este investigador coordina un equipo de 14 investigadores para conseguir un prototipo funcional que ayude a los médicos a mejorar la diagnosis en oncología clínica, concretamente de los tumores cerebrales, a partir de datos de espectrometría de resonancia magnética. Una iniciativa puntera en el área de los sistemas de apoyo a la decisión médica, ámbito en el que hasta ahora España se sitúa en la cola de Europa.
Investigación multidisciplinar
Además del grupo de investigación SOCO, del Departamento de Lenguajes y Sistemas Informáticos de la UPC, el equipo está formado por científicos de la Universidad John Moores de Liverpool, de la Universidad de Manchester y del NHS Clatterbridge Centre for Oncology de Bebington, del Reino Unido ―un país puntero en la investigación de sistemas de apoyo a la decisión en oncología―, y el Integrated Reasoning Group del National Research Council de Canadá. En el proyecto colabora el Grupo de Aplicaciones Biomédicas de la Espectroscopia de Resonancia Magnética Nuclear (GABRMN) de la Universitat Autònoma de Barcelona, que ha facilitado los datos médicos, recogidos en una base de datos internacional que comprende 500 casos de tumores cerebrales.
El proyecto ha despertado el interés de empresas y hospitales, como Aleasoft, MicroArt, Hospital Vall d´Hebron, Hospital Universitario de Bellvitge, Hospital Sant Joan de Déu, Parque de Investigación Biomédica y CETIR Grup Mèdic, interesados tanto en el desarrollo teórico como en la posibilidad de implementar el nuevo sistema en el apoyo a la diagnosis clínica.
Tecnología de apoyo a la diagnosis
Los científicos que participan en el proyecto AIDTumour buscan una tecnología que dé apoyo a la diagnosis de tumores cerebrales; no pretenden que sea un sistema que tome decisiones, si no que ayude al especialista y se convierta en una especie de "segunda opinión" en la diagnosis médica, la cual es especialmente importante en el campo de la oncología.
Es difícil diagnosticar con certeza la tipología de tumores cerebrales investigada en el proyecto. De hecho, la mejor manera de poder estar seguros en relación con la diagnosis de un tumor es practicando una biopsia, pero desgraciadamente esto no es aconsejable cuando el tumor está localizado en el cerebro. En este caso, médicos y radiólogos tienen que trabajar con técnicas no invasivas, y ello comporta una serie de restricciones.
Los datos multi-centro con los que se trabaja son espectros obtenidos por resonancia magnética nuclear (RMN). Algunas de las frecuencias de estos espectros pueden relacionarse con la presencia en el tumor de diferentes compuestos químicos, que sirven de indicadores. A partir de la observación de estos indicadores, un médico experto en la interpretación de estos datos (si bien hay pocos especialistas) suele ser capaz de reconocer cada tumor. Una máquina, en cambio, es capaz de trabajar con poblaciones de datos y hacer uso de una información mucho más rica.
De hecho, el sistema que está desarrollando el grupo SOCO es especialmente útil en casos ambiguos. Cuando un paciente presenta anomalías atípicas, éstas pueden deberse a un tumor extraño o simplemente a problemas de medida. Con el nuevo sistema de apoyo a la diagnosis se ha comprobado que se pueden caracterizar y visualizar mejor estos casos atípicos debido a que la máquina detecta que se trata de un caso anómalo al compararlo con otros casos anómalos, y propone hipótesis que justifiquen esta anomalía. Por lo tanto, los médicos pueden ir con más cuidado y tener más conocimiento de causa en las diagnosis clínicas.
Actualmente, el proyecto está en la fase final de diseño del prototipo y el grupo SOCO concentra sus esfuerzos en conseguir integrar estas herramientas en un sistema de apoyo a la decisión con técnicas de visualización avanzadas. El objetivo es hacer el sistema más avanzado, intuitivo y cómodo de utilizar. Se diseñará un prototipo para poder fabricar posteriormente una herramienta eficaz de apoyo a los especialistas médicos, que se utilizará este año y de forma experimental en el NHS Clatterbridge Centre for Oncology de Bebington, uno de los participantes británicos en el proyecto.
Los resultados de la investigación del proyecto AIDTumour se han difundido recientemente en diversos congresos y revistas internacionales, entre las cuales destacan las publicaciones Neural Networks, Neurocomputing, Computers in Biology and Medicine y Biomedical Signal Processing & Control.
¿Qué es el soft computing?
Soft computing es un término acuñado a mediados de la década de 1990 para describir el uso combinado de diferentes aproximaciones computacionales surgidas en los últimos treinta años, entre las cuales destacan los sistemas difusos, las redes neuronales y los algoritmos evolutivos.
El común denominador de estas metodologías es el abandono de la lógica binaria, los modelos analíticos estáticos, las clasificaciones rígidas y las búsquedas deterministas para intentar abordar problemas del mundo real que están poco y/o mal definidos y que, por lo tanto, son difíciles de modelizar. En estos casos, los modelos precisos son poco prácticos, demasiado costosos o simplemente inexistentes. Esto hace necesario el uso de sistemas de razonamiento aproximado capaces de tratar una información tan imperfecta de manera flexible. Este tipo de sistemas y las metodologías sobre las que se trabaja están comprendidos dentro del campo del soft computing.
