Ourense participa nunha rede estatal para mellorar os sistemas de detección de cancro colorrectal a través de IA
A Escola Superior de Enxeñaría Informática do campus de Ourense acolleu este martes a primeira xuntanza de traballo da rede estatal AI4PolypNet, creada para mellorar os sistemas de detección e de diagnose de cancro colorrectal empregando intelixencia artificial.
Oito grupos de investigación de Catalunya, Estremadura, País Vasco e Galicia uníronse para optimizar experiencia, recursos técnicos, humanos e de datos e avanzar cara o desenvolvemento de propostas integradoras capaces de responder aos retos desta enfermidade.
Da Universidade de Vigo participa o Grupo de Sistemas Informáticos de Nova Xeración (SING), xunto a rede o Grupo de Oncoloxía Dixestiva de Ourense-Giodo do Sergas, o Centro de Visión por Computador da Universidade Autónoma de Barcelona, o Grupo de Investigación en Oncoloxía Gastrointestinal e Pancreática do Hospital Clinic de Barcelona, a Fundación Centro de Cirurxía de Mínima Invasión Jesús Usón, o Servizo de Aparato Dixestivo do Hospital Universitario de Cáceres, e o eVIDA Research Group da Universidade de Deusto e Osakidetza.
A Rede temática enfocada no desenvolvemento e validación de sistemas de soporte ao diagnóstico de cancro colorrectal usando intelixencia artificial (AI4PolypNet) está financiada pola Agencia Estatal de Investigación (Ministerio de Ciencia, Innovación y Universidades).
O cancro colorrectal, explican desde a rede, é un dos de maior incidencia mundial, diagnosticándose 1,93 millóns de novos casos ao ano e alcanzando as cifras de mortalidade os 916.000 pacientes en 2020. A pesar desta elevada incidencia, sinalan, estudos a grande escala demostran que máis do 90% dos casos teñen cura se a súa lesión precursora, o pólipo precanceríxeno, se detecta e extrae a tempo. A colonoscopia segue sendo o único procedemento que permite detectar e tratar a lesión nunha soa intervención. Sen embargo, os investigadores apuntan que “non é unha técnica perfecta e, segundo informes, case un 22% das lesións non son detectadas durante a exploración”. Durante a última década, e grazas aos avances en materias como a aprendizaxe computacional e a visión por computador, realizáronse distintos esforzos para desenvolver métodos baseados en intelixencia artificial e sistemas intelixentes co obxectivo de dar soporte ao persoal clínico na detección e diagnóstico do cancro colorrectal, explican dende a rede. Porén, engaden, o potencial dos métodos baseados en intelixencia artificial vese limitado por diversos factores, como a escaseza de datos anotados.
Neste marco de traballo, a rede une experiencia, recursos e esforzos de diferentes grupos de traballo técnicos e clínicos co fin de “definir de maneira clara as necesidades clínicas reais e o modo en que os datos teñen que ser recollidos e anotados para que os diferentes métodos desenvolvidos alcancen todo o seu potencial, tendo en conta por primeira vez aqueles requisitos que deben cumprirse para un despregamento e uso efectivo na sala de exploración”.
Segundo apuntan desde AI4PolypNet, é preciso “definir uns protocolos comúns de adquisición e anotación de imaxes que permitan ao persoal investigador contar cunha cohorte de datos ampla e variada”. Ademais, engaden, hai que definir sistemas de validación uniformes, que permitan asegurar o bo rendemento dun método de cara ao seu uso en pacientes reais, e “definir un conxunto de boas prácticas de cara ao uso destes sistemas na sala de exploración”.