La Universidad de Navarra busca anticipar riesgos de salud con IA y los datos médicos de 15.429 pacientes

La Universidad de Navarra ha puesto en marcha junto a Siemens Healthineers un proyecto de investigación en inteligencia artificial médica que analizará más de 20 años de información clínica de 15.429 pacientes. La investigación busca desarrollar algoritmos capaces de detectar de forma temprana posibles riesgos para la salud y aportar nueva información a los profesionales sanitarios.

En el proyecto participan la Unidad de Chequeos de Salud de la Clínica Universidad de Navarra y el Instituto de Ciencia de los Datos e Inteligencia Artificial (DATAI). Los investigadores trabajarán con información acumulada durante más de dos décadas para buscar patrones que permitan mejorar la prevención y el seguimiento de los pacientes.

La investigación en inteligencia artificial médica parte de la tesis doctoral de Julen Rodríguez Meneses en DATAI. El trabajo está codirigido por Manuel Landecho, especialista en Medicina Interna en la Clínica Universidad de Navarra, y Rubén Armañanzas, líder del Laboratorio de Medicina Digital en DATAI.

"El valor de este proyecto está en que nos permite mirar la información clínica de una forma más completa y longitudinal", ha señalado Landecho. El especialista ha explicado que el objetivo no pasa por estudiar únicamente los datos de una prueba, sino por integrar información obtenida a lo largo del tiempo para detectar patrones y anticipar posibles riesgos.

La cohorte del estudio está formada por 15.429 pacientes atendidos en la Unidad de Chequeos de la Clínica Universidad de Navarra. Una de las particularidades del proyecto es la variedad de información que va a manejar.

Así, la investigación combinará datos procedentes de TAC, electrocardiogramas, analíticas, informes médicos y fotografías de retina. Frente a sistemas centrados en una única fuente, este modelo pretende estudiar conjuntamente diferentes tipos de información clínica de cada paciente.

Para hacerlo posible, el equipo pondrá en marcha una plataforma única de datos que relacionará imágenes médicas, señales fisiológicas, resultados analíticos e informes. De esta manera, los algoritmos podrán cruzar información complementaria y tener en cuenta cómo ha evolucionado el paciente a lo largo del tiempo.

La inteligencia artificial médica permitirá buscar relaciones entre datos que, analizados por separado, pueden aportar una información limitada. Al estudiarlos de manera conjunta, los investigadores esperan encontrar señales que puedan resultar relevantes para identificar futuros riesgos para la salud.

"El principal reto técnico es construir una arquitectura eficiente y flexible que sea capaz de ordenar, armonizar y conectar información muy heterogénea, desde imágenes médicas hasta señales de electrocardiograma o texto clínico", ha explicado Julen Rodríguez Meneses.

A partir de esta visión conjunta, el proyecto tratará de identificar patrones complejos en los datos clínicos que hayan podido pasar desapercibidos durante una valoración convencional. Esos patrones podrían utilizarse para detectar señales tempranas de riesgo y clasificar mejor a los pacientes en función de sus circunstancias.

"Estos patrones podrían ayudar a detectar señales tempranas de riesgo, mejorar la estratificación de los pacientes o apoyar al médico en la toma de decisiones preventivas y de seguimiento", ha apuntado Rubén Armañanzas.

La investigación explorará además técnicas avanzadas de aprendizaje profundo y computación de altas prestaciones. El propósito es diseñar nuevos algoritmos predictivos que puedan alcanzar una mayor precisión que las escalas de riesgo utilizadas tradicionalmente.

En cualquier caso, la tecnología se plantea como una herramienta de apoyo al profesional sanitario y no como un sustituto de su valoración. "El objetivo es desarrollar algoritmos y sistemas de ayuda a la decisión que complementen el juicio del profesional clínico aportando información adicional en la toma de decisiones", ha precisado Armañanzas.

El tratamiento de una cantidad tan elevada de información sanitaria también ha llevado al proyecto a incorporar criterios específicos de seguridad, privacidad y uso ético de los datos. Toda la información utilizada está pseudonimizada.

Además, los datos se procesan en un entorno local y controlado, sin utilizar servicios en la nube y de acuerdo con la normativa vigente de protección de datos. El proyecto también contempla mecanismos para desarrollar modelos transparentes, interpretables y evaluados con criterios de equidad.

La colaboración entre la Universidad de Navarra y Siemens Healthineers pretende avanzar así en el desarrollo de herramientas aplicadas a la medicina de precisión. Armañanzas ha destacado que ambas entidades refuerzan con este proyecto su apuesta por una medicina basada en datos que sea "segura y responsable".