La inteligencia artificial es una de las tecnologías más prometedoras en el campo de la investigación sanitaria. Este año los premios del eHealth Center, De la Idea al Proyecto, han galardonado dos proyectos que se sirven de tecnologías de inteligencia artificial en dos ámbitos muy diferentes: la mejora de la atención a los pacientes y la investigación de fármacos para el cáncer metastásico. Los premios otorgan 3.000 euros a proyectos o trabajos finales de máster (TFM) de salud digital realizados por estudiantes o alumnis de los Estudios de Ciencias de la Salud y de los Estudios de Informática, Multimedia y Telecomunicación.
Sarai Suárez, experta licenciada en Comunicación Audiovisual y estudiante del máster universitario de Salud Digital (E-health) de la Universitat Oberta de Catalunya (UOC), ha obtenido el premio con el proyecto Mejorando la comunicación médico-paciente con IA. El objetivo del proyecto es hacer más comprensibles los informes médicos que reciben los pacientes. Es decir, se podrá propiciar un diálogo más efectivo entre ambos y una participación activa del paciente en la toma de decisiones sobre su salud. “El hecho de no entender los términos médicos, el diagnóstico, el tratamiento prescrito o las recomendaciones en el momento de recibir el alta puede causar una mala adherencia al tratamiento, la incapacidad de no reconocer signos de alarma y un mal seguimiento de las visitas”, explica Suárez. Por este motivo, ha desarrollado su proyecto en el marco de la experiencia obtenida como auxiliar de enfermería en el Hospital Universitario Vall d’Hebron, donde ha podido profundizar en sus conocimientos sobre el mundo sanitario.
El proyecto de Suárez, que lleva a cabo en el Hospital Universitario Vall d’Hebron, consiste en testar tres modelos de tecnologías de inteligencia artificial generativa que realicen versiones simplificadas y enriquecidas de los informes médicos para que se adapten al nivel de alfabetización en salud del paciente, con explicaciones comprensibles sobre los términos médicos y las abreviaciones utilizadas. El objetivo es facilitar la lectura y la comprensión de estos documentos y ver si esta tecnología puede ser implementada en la práctica clínica en un futuro.
El proyecto evalúa tres tecnologías diferentes de IA generativa: el modelo de código abierto Llama 2, de Meta, y dos modelos de código propietario, ChatGPT y Claude, de Anthropic. Los resultados ayudarán a crear una hoja de ruta para elaborar un protocolo de estudio en pacientes.
“La IA permite ‘traducir’ de forma rápida y automática textos complejos a versiones simplificadas con un vocabulario adaptado al conocimiento del paciente. A diferencia de soluciones anteriores basadas en reglas, la IA aprende estas simplificaciones directamente de ejemplos reales de lenguaje humano. Otra ventaja es que esta traducción no pide tiempo extra al equipo médico”, explica la investigadora.
Si los resultados preliminares de esta prueba piloto son positivos —y por ahora lo son— se planteará un estudio con pacientes en un entorno de pruebas que no afecte a la actividad asistencial del hospital. Si tiene éxito, en un futuro, la tecnología podría implementarse en la práctica clínica habitual.
Descubrimiento in silico de nuevos fármacos para el cáncer metastásico
El proyecto de Maria Butjosa, graduada en Bioquímica por la Universitat Autònoma de Barcelona (UAB), que cursó el máster universitario de Bioinformática y Bioestadística (interuniversitario: UOC, UB) de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya, está orientado al descubrimiento de nuevos fármacos para el tratamiento del cáncer metastásico, un campo en el que hay una carencia importante y en el que faltan protocolos de tratamiento de los pacientes. Las prácticas que realizó en el Grupo de Biología Computacional del Cáncer en el Vall d’Hebron Instituto de Oncología (VHIO), con la supervisión del Dr. José A. Seoane, la inspiraron a centrarse en esta “asignatura pendiente” en el tratamiento del cáncer.
El proyecto In-silico Discovery of drug response differences between primary and metastatic cell lines consiste en la creación y validación de una metodología para la identificación de fármacos que tengan un impacto en la eliminación de células de cánceres metastásicos, pero también de cánceres primarios. Para conseguirlo, se utilizan bases de datos públicas que contienen resultados de estudios en los que se han realizado miles de combinaciones entre células de diferentes tipos de cánceres y fármacos potenciales. Además, también se utilizarán algoritmos de aprendizaje profundo (deep learning) para predecir la respuesta de fármacos a determinados tipos de células, en el caso de combinaciones que no se hayan estudiado. Butjosa explica que la innovación “proviene de estudiar la respuesta de los fármacos en células diferenciadas, según si son de cánceres primarios o metastásicos, mientras que habitualmente se hace a partir de las firmas genéticas del tumor. Por otro lado, también se estudia la acción de fármacos agrupados según su mecanismo de acción, además de estudiarlos de forma individual”.
La tecnología del aprendizaje automático (machine learning) aporta muchas posibilidades para la investigación oncológica: permite descubrir relaciones biológicas y llevar a cabo predicciones sobre el resultado de tratamientos que de otra forma no sería posible obtener. La investigadora destaca que “las facilidades actuales para analizar el ADN de los tumores, con la generación de grandes volúmenes de datos que esto conlleva, permiten utilizar el machine learning para analizar la información y conseguir conclusiones de valor”. El reto es que esta tecnología, que de momento se está usando en el ámbito preclínico, pueda incorporarse a la práctica clínica diaria, en la que puede tener un gran potencial.
Otro valor del proyecto de Butjosa es que incorpora la perspectiva de género en la investigación: “en el pasado, el sesgo de género y sexo en el mundo de la investigación médica han causado que las innovaciones no fueran aplicables a todos los pacientes, a pesar de que en los últimos años esto ha cambiado y es un aspecto que se tiene en cuenta al diseñar estudios”, asegura la experta.
La investigación está actualmente en la fase de aplicar la metodología desarrollada por Butjosa a distintas bases de datos. El próximo paso será optimizar el algoritmo de aprendizaje profundo. Si los resultados son positivos y la investigadora encuentra algunos fármacos o grupos de fármacos potencialmente eficaces, se trabajará para probarlos en cultivos celulares o en ratones en el laboratorio.
Abierta la quinta convocatoria de la ayuda
El eHealth Center ha abierto una nueva edición de la convocatoria de ayudas para el 2024 que, además de los Estudios de Ciencias de la Salud y de los Estudios de Informática, Multimedia y Telecomunicación, este año también se hace extensiva a los Estudios de Psicología y Ciencias de la Educación de la UOC.
El centro otorgará tres ayudas económicas de 3.000 euros, una para cada estudio y, además, la convocatoria “De la idea al proyecto” prevé un año de asesoramiento por parte del equipo del eHealth Center a las personas premiadas.
