Ante este panorama, Ibermática ha lanzado su nuevo proyecto EDIT (Emerging Disease Twin), cofinanciado por Red.es y FEDER, desarrollando un software basado en inteligencia artificial (IA) y analítica de datos que permitirá testear con antelación tratamientos específicos en un paciente virtual que responda a los mismos parámetros que su gemelo real. De esta manera se sabrá de antemano si va a funcionar y, en caso de que no sea así, modificar el tratamiento con prontitud.
Ibermática, junto con su Instituto de Innovación i3B, está trabajando para crear una herramienta software que facilite el desarrollo de gemelos digitales, tanto del paciente, como de los medicamentos/tratamientos disponibles y de las interacciones entre ellos. Con este avance será posible mejorar y adelantar en el tiempo el resultado y efecto de las variables relacionadas con tratamientos, vacunas, test, procedimientos clínicos, etcétera, independientemente de la fase en la que estén, ya sea en investigación preliminar, fase pre-clínica, estudio clínico y demás.
Siguiendo esta línea, la compañía ha explicado que “este proyecto supone un paso crítico en la lucha contra cualquier enfermedad emergente, como es la Covid-19, ante la incertidumbre sobre la fiabilidad y eficacia de tratamientos, mejores prácticas, vacunas, etcétera, mientras éstas se encuentran en fase de pruebas como prototipos. Acelerar este proceso, y optimizar las oportunidades de acierto, supone un objetivo con un alto impacto potencial para cualquier sistema de salud. Aunque EDIT se centrará por su impacto en la Covid-19, los desarrollos y productos obtenidos no serán exclusivos de esta enfermedad, sino que se podrán aplicar en otras enfermedades con características similares en cuanto a complejidad y variabilidad de la información”.
Snapchat lanza una lente para ayudar a reanimar corazones
Leer más
Herramientas de la plataforma
En el panorama actual, donde la Covid-19 tiene una gran presencia en lo que respecta a la sanidad, la inteligencia artificial está ganando protagonismo. Esto se debe a que la tecnología de IA se está utilizando como herramienta para apoyar la lucha contra la pandemia. Sin embargo, es importante tener en cuenta que utilizarla en ámbitos donde la información es ambigua, dispersa y cambiante, no es tan sencillo.
Para el desarrollo de EDIT se ha tenido en cuenta este “problema”, convirtiéndola en una herramienta que utiliza la inteligencia artificial para, por un lado, sacar partido de todo el potencial de estas herramientas en la explotación de la información, y por otro, involucrar a los clínicos y su conocimiento. Para lograr este objetivo, la herramienta "plantea investigar y desarrollar una serie de herramientas que permitan, en base a la información diversa y dispersa disponible, descubrir posibles escenarios terapéuticos y de medicación de manera rápida”, así no la ha explicado la compañía en un comunicado.
Para explicar su funcionamiento, la compañía ha dicho que “esta suite de herramientas permitirá, en primer lugar, la extracción, normalización y adquisición online de la información sita tanto en fuentes opendata, especializadas, relativas al Coivd-19, como en fuentes de datos internas que posibiliten la generación de información homogénea y codificada. Estos parámetros podrán ser desde variables como edad, sexo, enfermedades previas, antecedentes, patologías, evoluciones conocidas, variables clínicas asociadas, etcétera, llegando a información de terapias asociadas a virus similares al SARS-CoV-2, últimas investigaciones y ensayos a nivel mundial”.
El segundo paso será convertir la información recogida en conocimiento, mediante la inferencia, codificación y enriquecimiento clínico, que sumado a la validación clínica, permitirá obtener una base de conocimiento clínico heurístico (knowledge graph) explotable mediante algoritmos de IA.
El tercer y último paso, será desarrollar la explotación de la base de conocimiento mediante la modelización del comportamiento, cruzado de fármacos, compuestos moleculares, efectos en el virus causante de la Covid-19, y similares, y la interpolación de dichos comportamientos sobre los distintos modelos de pacientes virtuales desarrollados en la plataforma mediante el uso de tecnologías como el transfer-learning, o reinforcement learning.
Gemelos digitales
Para contextualizar, EDIT utilizará gemelos digitales entendidos como una réplica virtual (clon), con capacidad de predecir de manera fiable cómo se va a comportar. En primer lugar se creará un gemelo digital a nivel de paciente que permita descubrir sus posibles evoluciones, posteriormente, se creará un gemelo digital de distintos fármacos, tratamientos y terapias que permita analizar la evolución de distintos pacientes en un simulador.
Finalmente, ambos gemelos en conjunto permitirán simular los ensayos y pruebas sobre los estados de diferentes pacientes en diferentes grados de evolución permitiendo descubrir posibles tratamientos de forma paralelizada, masiva y simulada. Además, los investigadores tendrán distintos escenarios óptimos de combinación de compuestos, fármacos y análisis de cara a decidir estrategias de aplicación en el entorno real con respecto los escenarios de impacto.
Si (
No(
