Un proyecto coordinado por el clúster tecnológico onTech Innovation ha logrado avances importantes en la aplicación de la Inteligencia Artificial (IA) al análisis de muestras de pacientes con cáncer, especialmente en casos de leucemia mieloide aguda, una forma agresiva de enfermedad oncológica en la sangre.
Según ha informado este lunes onTech Innovation en una nota de prensa, gracias al proyecto IA4MRD, de las siglas en inglés AI for Minimal Residual Disease, "ya es posible mejorar la detección de enfermedad mínima residual mediante IA, lo que supone un gran avance en la personalización del seguimiento clínico de los pacientes".
Todo ello después de activarse la primera de las tres fases en las que se desarrollará este proyecto gracias al trabajo conjunto de empresas especializas como Altum (análisis genómicos), Cenit (soluciones de IA), Bimaxpro (desarrolladora de software clínico) y la Universidad de Sevilla, y con el respaldo del Ministerio de Industria y Turismo.
El proyecto ha desarrollado una plataforma digital y varios modelos predictivos que mejoran la detección de células tumorales residuales tras el tratamiento, han detallado desde el clúster tecnológico, con sede en Granada.
Una de las principales innovaciones ha sido el desarrollo de una herramienta digital que permite "gestionar en un entorno de laboratorio con precisión todo el proceso de análisis de muestras": desde su extracción hasta el análisis final. Esto mejora la eficiencia y la seguridad en la toma de decisiones médicas, permitiendo a los profesionales actuar "más rápido y con mayor fiabilidad".
En paralelo, se han desarrollado y validado tres modelos de inteligencia artificial capaces de "aumentar la fiabilidad en el análisis genético de las muestras", mediante la tecnología IonTorrent, muy utilizada en hospitales. Para ello se estudiaron más de 450 muestras de pacientes con leucemia y se identificaron más de 300 posibles marcadores tumorales distintos.
Estos avances suponen una mejora en la detección temprana de recaídas, algo clave para adaptar los tratamientos a cada paciente y aumentar las posibilidades de éxito. También abren la puerta a aplicar esta tecnología a otros tipos de cáncer, lo que representa un paso importante hacia "una medicina más personalizada y precisa".
