universidad-granada

Investigadores de la Universidad de Granada (UGR), pertenecientes a los departamentos de Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos y Teoría de la Señal, Telemática y Comunicaciones participan en CLARIFY, un proyecto europeo centrado en la patología digital cuyo objetivo es facilitar el diagnóstico de tres tipos de cáncer. Estos son el cáncer de mama triple negativo (TNBC), el cáncer de vejiga no músculo invasivo de alto riesgo (HR-NMIBC) y lesiones melanocíticas spitzoides (SML).

En los tres casos, su diagnóstico es complejo y supone un desafío al que CLARIFY quiere dar respuesta. Para ello, este proyecto, que lidera la Universitat Politècnica de València (UPV) a través del grupo CVBLab-I3B,  trabaja en el desarrollo e implementación de avanzadas técnicas de inteligencia artificial (IA), procesado de imágenes y computación en la nube aplicadas al ámbito de la patología digital, promoviendo además la puesta en marcha de una red europea de investigación que integrará a expertos europeos en cada uno de estos campos y de la medicina.

Esta red permitirá nuevas sinergias entre expertos del ámbito de la ingeniería y la medicina; contribuirá a mejorar el intercambio de conocimientos y, en último término, facilitará la toma de decisiones en el diagnóstico y tratamiento.

“La patología diagnóstica en la práctica actual sigue siendo un proceso laborioso que se basa en gran medida en la interpretación subjetiva de una imagen microscópica por un patólogo cualificado. Esta limitación es todavía más acusada en los departamentos de patología pequeños donde los patólogos podrían no estar especializados en áreas particulares. CLARIFY ayudará a superar estas limitaciones”, destaca la catedrática e investigadora principal del proyecto, Valery Naranjo.

Equipo de la UGR

En la UGR, el proyecto está coordinado por Rafael Molina Soriano, catedrático del departamento de Ciencias de la Computación e Inteligencia Artificial de la E.T.S. Ing. Informática y Telecomunicación. El investigador explica que en la Universidad de Granada “abordamos la combinación de diagnósticos, no siempre coincidentes, proporcionados por patólogos en formación y patólogos expertos procedentes de los diferentes hospitales que participan en la red”.

“Esta combinación -prosigue- pretende hacer factible la anotación masiva de imágenes histológicas necesaria para el desarrollo de modelos de aprendizaje automático con capacidad de generalización. Para ello, utilizaremos modelos probabilísticos y no probabilísticos de aprendizaje profundo. Una aproximación que ya hemos aplicado con éxito a la detección de ‘glitches’ en millones de observaciones del Laser Interferometer Gravitational Waves Observatory (LIGO)”, ha concluido.