A Consellería de Sanidade participa , a través de ACIS, no proxecto TARTAGLIA, un programa pioneiro formado por un consorcio en colaboración Público-Privado de 16 entidades, e que esta financiado con preto de 8 millóns de euros polo Ministerio de Asuntos Económicos e Transformación Dixital con fondos do Plan de Recuperación, Resiliencia e Transformación (Next Generation).
O proxecto ten como obxectivo global a creación dunha rede federada que, mediante o uso de intelixencia artificial, permita mellorar a investigación clínica no noso país.
Precisamente, en conmemoración do Día mundial da prevención do cancro de próstata, destaca que un dos retos deste proxecto consiste en optimizar o diagnóstico precoz do cancro de próstata clinicamente significativo a través de Intelixencia Artificial.
Este paquete de traballo está composto por tres socios clínicos: a Fundación para o Fomento da Investigación Sanitaria e Biomédica da Comunitat Valenciana (FISABIO), a Axencia Galega de Coñecemento en Saúde (ACIS/SERGAS) e a Fundació Hospital Universitari Vall d’Hebron - Institut de Recerca (VHIR), estes últimos son os coordinadores deste paquete de traballo, e catro socios técnicos Barcelona Super Compunting (BSC), Veratech, Opinno e GMV, coordinador global do proxecto.
Os obxectivos principais deste paquete de traballo baséanse en mellorar o diagnóstico precoz da neoplasia prostática a través da xeración de algoritmos de intelixencia artificial que permitan mellorar a práctica clínica. O proxecto céntrase na análise de imaxes de resonancia magnética e anatomía patolóxica dixitalizadas e na integración da análise de diversas variables clínicas que permitan mellorar a predición de aparición ou non de cancro de próstata clinicamente significativo. Todo iso en conxunto permitirá mellorar a predición e personalizar o risco de padecer ou non cancro de próstata e poder así realizar unha medicina personalizada de calidade.
En particular, búscase desenvolver algoritmos de IA que poidan aplicarse nunha rede federada para a análise de imaxes de resonancia magnética e anatomía patolóxica dixitalizadas.
Ademais, preténdese integrar na análise diversa variables clínicas co fin de mellorar a predición da aparición ou non de cancro de próstata clinicamente significativo. A implementación de redes neuronais neste proxecto permitirá o procesamento eficiente de grandes volumes de datos médicos, o que facilitará a detección temperá e precisa do cancro de próstata. Estas redes neuronais poderán aprender patróns complexos e sutís presentes nas imaxes de resonancia magnética e anatomía patolóxica, así como nas variables clínicas. A medida que a rede neuronal adéstrase con máis datos, espérase que a súa capacidade de predición mellore. A utilización dunha rede federada é especialmente relevante neste contexto, xa que permite a colaboración entre múltiples centros médicos sen ter que compartir directamente os datos dos pacientes. Cada centro pode adestrar a súa propia rede neuronal utilizando os seus propios datos, e logo compartir os coñecementos aprendidos coa rede federada. Isto garante a privacidade dos datos e fomenta a colaboración no desenvolvemento de algoritmos de IA máis efectivos.
As liñas de traballo baséanse na utilización de variables clínicas, segmentación de imaxes de resonancia magnética e anatomía patolóxica para xerar un algoritmo que permita mellorar o diagnóstico do cancro de próstata clinicamente significativo:
• No caso das variables clínicas, intégrase o valor de diferentes variables clínicas usadas na práctica clínica para o diagnóstico de cancro de próstata como son os niveis de antígeno prostático en sangue, ter ou non antecedentes familiares ou a idade no momento da biopsia entre outras.
• No caso da segmentación de imaxes de resonancia magnética, o obxectivo é desenvolver algoritmos de intelixencia artificial que poidan identificar e delimitar de maneira precisa as rexións de interese na próstata. A segmentación é un paso fundamental para analizar e cuantificar diferentes características e patróns nas imaxes de resonancia magnética, o que pode axudar a detectar anomalías e posibles tumores na próstata.
• En canto á segmentación da anatomía patolóxica, búscase desenvolver algoritmos que permitan identificar e clasificar as características microscópicas dos tecidos prostáticos, o cal é esencial para determinar se hai presenza de cancro. A dixitalización das mostras de anatomía patolóxica permite a súa análise mediante algoritmos de intelixencia artificial, o que pode axilizar e mellorar o proceso de diagnóstico.
Ao combinar a análise de imaxes de resonancia magnética, a segmentación da anatomía patolóxica e a integración de variables clínicas, preténdese obter un modelo de intelixencia artificial que sexa capaz de predicir de maneira precisa a presenza de cancro de próstata clinicamente significativo. Isto permitiría un diagnóstico máis temperán e preciso, o que á súa vez facilitaría a aplicación de tratamentos personalizados e mellorar a atención médica para os pacientes.
É fundamental destacar a importancia de realizar probas regulares para detectar e previr o cancro de próstata. Detectalo en etapas temperás pode marcar a diferenza no prognóstico e o tratamento. A prevención e o coidado da saúde son esenciais para manter unha vida plena e activa.
O proxecto TARTAGLIA atópase na vangarda da investigación clínica no campo do cancro de próstata e demostra o potencial da intelixencia artificial para mellorar a práctica médica e avanzar no diagnóstico e tratamento de enfermidades.