La UOC premia dos proyectos de salud digital para mejorar la cirugía ocular en países de renta baja y la detección de la enfermedad de Alzheimer
![](https://i0.wp.com/globale-health.com/wp-content/uploads/2022/02/UOC-Campus-virtual-1.jpg?resize=600%2C337&ssl=1)
La convocatoria anual “eHealth Project: de la idea al proyecto” se puso en marcha en 2020 para favorecer iniciativas de salud que se apoyan en las nuevas tecnologías
El eHealth Center, el centro académico de salud digital de la Universitat Oberta de Catalunya (UOC), ha elegido los dos proyectos ganadores de este año del premio anual eHealth Project: de la Idea al Proyecto, instaurado en 2020 con el objetivo de dar un impulso a la salud digital. El primero de los proyectos, BOOST #Cataract #app, implicará una innovación en la evaluación de las operaciones de cataratas en países de renta baja. El segundo proyecto, Detección temprana de la enfermedad de Alzheimer utilizando nuevos medios semisupervisados, investigará mejoras en el diagnóstico de esta enfermedad degenerativa a partir de un algoritmo de Facebook AI. Los dos premios se otorgan en el marco del máster universitario de Salud Digital y el de Bioinformática y Bioestadística.
BOOST #Cataract #app
La autora del primer proyecto es Mónica Lecumberri, de los Estudios de Ciencias de la Salud. Lecumberri ha presentado la iniciativa BOOST #Cataract #app, una aplicación que predice el resultado de la calidad quirúrgica de las cirugías de cataratas en el posoperatorio precoz.
Médica adjunta de Oftalmología del Hospital Moisès Broggi de Sant Joan Despí y coordinadora médica del programa de cooperación Ojos del Sáhara en una ONG, la investigadora explica que el proyecto servirá para acelerar la evaluación final de los pacientes operados de cataratas en países de renta baja.
En condiciones normales, después de una cirugía de catarata hay que esperar seis semanas para realizar la evaluación de la intervención. Pero en países de renta baja, es más difícil valorar el resultado porque los pacientes, al cabo de seis semanas, no vuelven a visitarse. Esto hace que solo se disponga de la exploración del día siguiente de la operación, que se denomina posoperatorio precoz.
Es aquí donde entra en juego la aplicación BOOST, que recopila unos datos en el posoperatorio precoz y hace estimaciones del resultado final. Además, facilita un pronóstico sobre la causa de los malos resultados para buscar soluciones. “Si el resultado no se monitoriza, es muy difícil identificar el problema y, por lo tanto, es muy difícil mejorar la calidad de los resultados de estas operaciones en países de renta baja”, señala Lecumberri.
Con el propósito de evaluar la eficacia de la aplicación, la investigadora usará el premio para viajar a una provincia de Mozambique y recoger, junto con el equipo médico de oftalmología de un hospital, datos de las cirugías llevadas a cabo en una campaña quirúrgica. El proyecto es posible por la implicación de la ONG Ojos del Mundo, que lleva años trabajando en aquel país en la mejora de la salud ocular y la ceguera evitable.
La investigadora advierte en esta entrevista que, debido a la naturaleza de la catarata, “no hay prevención posible” y “no se puede hacer nada para evitar que aparezca”, puesto que se trata de una afección relacionada con el proceso de envejecimiento. Lecumberri afirma que “solo la cirugía de calidad restaura la visión” y en países de renta baja “es necesario difundir que la ceguera por catarata se puede tratar” porque “muchas personas ciegas y sus familiares desconocen la posibilidad de recibir tratamiento eficaz y de restaurar la visión”.
Diagnosticar un principio de mal de Alzheimer gracias a audios
Por su parte, Mónica Romero, de los Estudios de Informática, Multimedia y Telecomunicación, premiada por el proyecto Detección temprana de la enfermedad de Alzheimer utilizando nuevos modelos semisupervisados, aprovechará el premio para proseguir las investigaciones iniciadas en el marco del máster universitario de Ciencia de Datos de la UOC sobre los “nuevos métodos de procesamiento del lenguaje natural aplicados a pacientes con trastornos del habla, en concreto, la afasia”, explica la investigadora.
Su intención es seguir investigando la aplicación de estas nuevas metodologías en otras dolencias y, específicamente, en el alzhéimer. “Esto ayudará a abrir nuevas líneas de investigación para detectar con mayor precisión esta enfermedad, además de proporcionar un punto de referencia en el uso de modelos de aprendizaje semisupervisados para un diagnóstico precoz”, defiende Romero.
El proyecto de esta investigadora se basa en el uso de la arquitectura wav2vec2.0, publicada por Facebook AI en octubre de 2020. Según afirma ella misma en esta entrevista, el algoritmo apareció con el objetivo de ser aplicado en el aprendizaje de idiomas minoritarios. “Las arquitecturas utilizadas anteriormente en el reconocimiento automático del habla requieren hasta miles de horas de audios”. Con idiomas minoritarios, sostiene la investigadora, “esto no es factible”.
Lo innovador del proyecto, subraya, “es su aplicación en bases de datos de personas con algún deterioro cognitivo en el habla”. La idea, añade, es ayudar a “extraer características que puedan detectar un principio de alzhéimer mediante estructuras microscópicas presentes en la señal de audio”.
Esta investigación de la UOC favorece los objetivos de desarrollo sostenible (ODS) 3, de salud y bienestar, y 10, de reducción de las desigualdades.
[/vc_column_text][/vc_column][/vc_row]