ModGraProDep: inteligencia artificial y modelización probabilística en oncología clínica
Modelización matemática: nuevas fronteras en la lucha contra el cáncer
Mejorar la predicción de indicadores de supervivencia en enfermos de cáncer de mama mediante herramientas de inteligencia artificial y modelización probabilística es el propósito principal ModGraProDep, un sistema innovador presentado en un estudio que ha dirigido Ramon Clèries, profesor del Departamento de Ciencias Clínicas de la Facultad de Medicina y Ciencias de la Salud de la Universidad de Barcelona y miembro del Plan director de oncología (ICO-IDIBELL). El trabajo ha sido publicado en la revista Artificial Intelligence in Medicine.
La predicción de la supervivencia de los enfermos --con variables concretas y edades específicas-- es decisiva para valorar tratamientos e identificar subgrupos entre los pacientes.
UNIVERSIDAD DE BARCELONA / ARTIFICIAL INTELLIGENCE IN MEDICINE
La nueva tecnología ha sido desarrollada por un amplio equipo de expertos en epidemiología, oncología y gestión de datos del Plan director de oncología-IDIBELL, la Universidad de Barcelona, la Universidad Politécnica de Cataluña, el Instituto Catalán de Oncología (ICO), el Instituto de Investigación Biomédica de Girona (IDIBGI), la Universidad de Girona, la Universidad de Alicante, el CIBER de Epidemiología y Salud Pública (CIBERESP, Instituto de Salud Carlos III), el Hospital Universitario Sant Joan de Reus, el Servicio de Oncología Médica del ICO Girona, los Registros de Cáncer de Girona y Tarragona y la entidad MC Mutual.
Modelización matemática: nuevas fronteras en la lucha contra el cáncer
Una de las aplicaciones de la modelización numérica de indicadores clínicos en oncología es el desarrollo de modelos predictivos que ayuden a los oncólogos y clínicos a clasificar y valorar futuros escenarios de evolución para los pacientes de cáncer. En ese contexto, la predicción de la supervivencia de los enfermos --con variables concretas y edades específicas-- es decisiva para valorar tratamientos e identificar subgrupos entre los pacientes. Sin embargo, a menudo esta información se debe estimar mediante la modelización numérica, dado que no existe una población muestral suficiente para calcular estos indicadores de forma específica.
La aplicación de la nueva metodología ModGraProDep (Modeling Graphical Probabilistc Dependencies) ha impulsado dos investigaciones coordinadas por la profesora Mireia Vilardell, de la Sección de Estadística del Departamento de Genética, Microbiología y Estadística de la Facultad de Biología de la UB, y la investigadora María Buxó, del IDIBGI.
En el primer caso, ModGraProDep permite identificar la estructura de una base de datos y generar una «población sintética» (simulada) de pacientes con las características demográficas de la cohorte original. Con esta aproximación, se pueden identificar posibles nuevos patrones de pacientes y calcular indicadores (por ejemplo, la supervivencia de un paciente en función de los valores de sus variables).
En el segundo estudio, ModGraProDep se revela como una tecnología capaz de asignar valores de forma probabilística en variables de las que no se había podido recoger información.
El equipo científico también ha diseñado una aplicación web de gran interés clínico que permite obtener una predicción de indicadores de supervivencia y riesgo de mortalidad por cáncer --y por otras causas-- de cada paciente hasta un plazo máximo de veinte años.
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
