TÉCNICAS DE MACHINE LEARNING APLICADAS A LA SALUD

TÉCNICAS DE MACHINE LEARNING APLICADAS A LA SALUD

Helpsalud realiza un tratamiento de la información histórica, genómica y gráfica del paciente, mediante la aplicación de técnicas de Machine Learning, como el aprendizaje automático y el reconocimiento de patrones e imágenes, con el objetivo de realizar un diagnóstico precoz de ciertas enfermedades.

DESCRIPCIÓN

El proyecto Helpsalud investiga en la aplicación de técnicas procedentes del Machine Learning que han demostrado su eficiencia en otros ámbitos como la biometría, el reconocimiento de texto manuscrito, o la traducción automática, para su transferencia en el sector sanitario de la Comunitat Valenciana.

Para determinadas enfermedades es posible obtener distintos tipos de imágenes a través de pruebas diagnósticas como la ecografía, radiografía, resonancia magnética, tomografía axial computarizada o tomografía por emisión de positrones, entre otras. Estas imágenes pueden aportar información valiosa para la detección de anomalías y la estimación de padecer enfermedades, como el cáncer de mama.

La combinación de estas fuentes de información de carácter clínico y el desarrollo de herramientas TIC basadas en técnicas de aprendizaje automático, permitirán al profesional sanitario realizar diagnósticos no invasivos, por ejemplo en la endometriosis, y pronósticos sobre la posible evolución de enfermedades como la leucemia mieloide aguda.

La explosión de la cantidad de variables genéticas, clínicas, ambientales que se manejan en las investigaciones del ámbito de la Salud representan un desafío computacional de primer orden. Por ello, ITI ha puesto en marcha una plataforma Big Data de computo paralelo en la nube que hace posible dar respuesta a problemáticas que no podrían ser abordadas de otra manera.

OBJETIVOS

PROGNOSIS DE CÁNCER DE MAMA MEDIANTE EL ANÁLISIS DE IMAGEN DE MAMOGRAFÍA

Obtención y cálculo de diversos marcadores para estimar el riesgo de desarrollar cáncer de mama.

DIAGNOSIS DE ENDOMETRIOSIS MEDIANTE EL ANÁLISIS GENÓMICO

Evaluar técnicas de Machine Learning como herramienta de diagnóstico de endometriosis, a partir del análisis de secuencias de nucleótidos procedentes del análisis genómico.

PREDICCIÓN DE RESPUESTA AL TRATAMIENTO Y PERSONALIZACIÓN DE TERAPIAS PARA LA LEUCEMIA MIELOIDE AGUDA

Mediante el análisis de datos, incluyendo tanto factores genómicos, como otros indicadores clínicos (edad, sexo, hábitos, etc.).

PRONÓSTICO DE DIABETES TIPO 2

Aplicando técnicas Machine Learning se quiere generar modelos predictivos para pronosticar la aparición del Diabetes Tipo 2 usando los datos genéticos extraídos del exoma de pacientes.

APLICACIONES

Helpsalud conseguirá el diagnóstico precoz de éstas tres enfermedades, pudiendo ofrecer al paciente un tratamiento de mayor calidad, evitándole técnicas invasivas de diagnóstico, como la cirugía, llegando mucho antes a diagnosticar la enfermedad, y ofreciendo un tratamiento más personalizado y eficaz.

WHITEPAPER

Rellena este formulario y recibirás en tu email el Whitepaper de Helpsalud con más información sobre el proyecto.

ENTIDADES FINANCIADORAS

Este proyecto ha sido financiado por IVACE y FEDER, a través de la convocatoria de ayudas dirigidas a centros tecnológicos de la Comunitat Valenciana para proyectos de I+D en cooperación con empresas 2017, nº de expediente IMDEEA/2017/97 y por la línea nominativa distribuida a favor de los centros tecnológicos de la Comunitat Valenciana de la Generalitat Valenciana, con número de expediente IMAMCN/2018/1.

EMPRESAS COOPERANTES

CONTACTO