Suscríbete

La Provincia - Diario de Las Palmas

Contenido exclusivo para suscriptores digitales

Ciencia

Tecnología ULPGC para detectar secuelas en tumores cerebrales

Investigadores del IUMA dan un paso más en inteligencia artificial para determinar los posibles daños en un paciente tras la cirugía

Tecnología ULPGC para detectar secuelas en tumores cerebrales

La Universidad de Las Palmas de Gran Canaria (ULPGC), a través del Instituto de Microelectrónica Aplicada (IUMA), contribuirá a través del proyecto nacional Talent, al desarrollo de herramientas basadas en inteligencia artificial, que permitan detectar posibles secuelas tras la cirugía en tumores cerebrales. Esta iniciativa supone un paso más en la investigación dirigida por el profesor Gustavo Marrero Callicó, que culminó en la patente internacional –Estados Unidos y Japón– de una tecnología que facilita a los cirujanos la visualización, en tiempo real, de la ubicación y los límites del tumor cerebral para facilitar una extracción más precisa en quirófano, mediante imágenes hiperespectrales.

Talent es un proyecto del Plan Nacional de I+D+I, que comenzó el pasado 1 de septiembre, en el que participan cuatro universidades: Politécnica de Madrid –coordinadores del estudio–, la de Las Palmas de Gran Canaria (ULPGC), Castilla La Mancha y la de Cantabria, con el objetivo de aplicar técnicas de inteligencia artificial en neurocirugía y en agricultura inteligente. Según señala el investigador principal de la iniciativa por parte de la ULPGC, Gustavo Marrero, en el ámbito de la salud los trabajos se van a centrar en dos acciones, ambas en pacientes con cáncer de cerebro y del sistema nervioso central.

Por un lado, las tecnologías estudiadas ofrecerán información valiosa en la toma de decisiones durante el preoperatorio, la intervención quirúrgica y el postoperatorio, incorporando sensores de imagen de última generación, principalmente basados en tecnología hiperespectral macro y microscópica. Ello posibilitará al cirujano tener una mayor precisión a la hora de intervenir al paciente con cáncer cerebral. «Se van a tomar muestras en el Hospital 12 de Octubre en Madrid, y a través de nuestro microscopio hiperespectral, vamos a obtener unas firmas espectrales mucho más puras y exactas, porque podemos aislar con mucha precisión el tejido sano del tejido tumoral, y vamos a intentar entrenar los algoritmos con las firmas espectrales obtenidas del microscopio para ver si somos capaces de mejorar la clasificación macroscópica, mejorando en la precisión», explicó el experto.

La Universidad de Las Palmas participa en el proyecto Talent del Plan Nacional de I+D+I

decoration

Adicionalmente, los investigadores del IUMA trabajarán, en coordinación con la Universidad de Castilla La Mancha y la Universidad Politécnica de Madrid, en el seguimiento de pacientes sometidos a operaciones de neurocirugía. Para este fin se realizarán registros de varios datos biométricos del paciente, que pueden comprender desde habilidades motoras, o capacidad de habla y escritura, hasta la comprensión a preguntas de todo tipo. «Vamos a recabar de neurólogos y neurofisiólogos las características que se consideren más relevantes y que sean mejores indicadores de posibles daños producidos por la cirugía cerebral. Estos registros se realizarán antes y después de que el paciente se someta a la operación y se analizarán usando algoritmos de inteligencia artificial entrenados para detectar si existen variaciones estadísticas significativas más allá de la variabilidad aleatoria que puede existir en la toma de diferentes registros», apuntó el profesor Marrero Callicó.

A partir del análisis de estas variaciones se podrá determinar el alcance real del daño cerebral y se podrá asesorar con mayor precisión a los médicos de la situación del paciente tras la cirugía. «En definitiva, lo que intentamos es indicarle al médico lo que ha cambiado tras la operación, las zonas que están dañadas después de la cirugía, porque eso también le va a orientar hacia dónde enfocar la recuperación. Nosotros le damos herramientas a los médicos para que puedan hacer un tratamiento más personalizado».

Este procedimiento podría ser fácilmente exportable a otros campos relacionados con el seguimiento del estado de salud de los individuos, ahondando en los conceptos de medicina personalizada. Un ejemplo de futura aplicación podría ser en geriatría, con el fin de realizar chequeos periódicos rutinarios que aseguren que un individuo no está perdiendo de forma importante ciertas habilidades debido a alguna enfermedad no detectada.

Agricultura

La parte medioambiental del proyecto, se enfoca en el uso de las tecnologías mencionadas para el diseño de explotaciones más productivas, sostenibles y respetuosas con el bienestar animal, y a la vigilancia del medio natural. Para ello, se integrarán y desplegarán diferentes tipos de sensores en el entorno terrestre y acuático, en animales o utilizando drones, y cuya información podrá servir de base a los sistemas de análisis de datos. «Desde la ULPGC vamos a trabajar principalmente en el desarrollo de algoritmos de toma de decisiones basados en inteligencia artificial para el procesado de imágenes hiperespectrales, aspecto fundamental en ambos casos de uso. Sin embargo, para poder emplear la tecnología hiperespectral en aplicaciones como las propuestas, es importante que la gran cantidad de datos capturados con estos sensores sea procesada rápidamente, para lo cual se emplean generalmente dispositivos de cómputo paralelo».

El procedimiento permite el desarrollo de herramientas de medicina personalizada

decoration

El investigador del IUMA apuntó que la complejidad matemática de los algoritmos de aprendizaje automáticos existentes, así como las dependencias de datos inherentes a dichos algoritmos, dificultan el aprovechamiento eficiente de los recursos computacionales disponibles. En este sentido, señaló que el desafío consiste en el desarrollo de algoritmos inteligente altamente paralelizables, pensados desde su concepción para ser implementados eficientemente en plataformas de cómputo paralelo. «Para ello, en primer lugar, se trabajará en la optimización de los sistemas de adquisición de imagen hiperespectral de los que dispone el grupo para, en un paso posterior, poder obtener un amplio conjunto de imágenes que permita realizar el entrenamiento y posterior validación de los algoritmos de aprendizaje automático que se proponen en el proyecto».

Compartir el artículo

stats