El melanoma es uno de los tipos de cáncer de piel más agresivos que existen y su incidencia ha ido en aumento en los últimos años. Un tumor maligno de piel originado en los melanocitos, células que producen melanina y protegen al tejido de los rayos ultravioletas, que suele manifestarse como un lunar atípico en cualquier área de la piel, la mayoría provocados por la exposición a la radiación ultravioleta.  Entre los factores que contribuyen a la letalidad y gravedad de esta enfermedad destacan la aparición tardía de los síntomas, falta de tratamientos eficaces, así como problemas en su diagnóstico y detección. Problemática ante la que varias entidades vascas han utilizado la Inteligencia Artificial (IA) de cara a generar nuevas capacidades en áreas científicas y tecnológicas de la salud que contribuyan a la mejora de los procesos y reducción de la mortalidad en los pacientes. 

Actualmente, el cáncer de piel, el melanoma, es uno de los más comunes a nivel mundial, con tasas de incidencia cada vez más altas. Su incidencia en Euskadi casi se ha duplicado en los últimos diez años y en España crece un 10% cada año, diagnosticándose más de 6.000 nuevos casos anuales y más de 900 muertes por esta enfermedad. Tal y como explica Pilar Ruiz Ayuso, consultora en Inteligencia Artificial en Ibermática Digital, los métodos utilizados hasta la fecha a través de la biopsia suponen un atraso a falta de indicadores que permitan detectar el tumor de manera temprana y precisa, así como predecir cómo va a progresar una enfermedad que se caracteriza por su variabilidad y heterogeneidad. En este sentido, Ibermática, en colaboración con la Universidad del País Vasco (UPV/EHU), el centro de investigación TECNALIA y NorayBio, ha desarrollado un proyecto de duración aproximada de tres años, basado en el desarrollo de un panel de biomarcadores multiparamétricos de apoyo al pronóstico del melanoma.

Se trata de un modelo matemático que utiliza los patrones de expresión de un conjunto de biomarcadores, sustancias utilizadas como indicadores de un estado biológico, para el diagnóstico objetivo del cáncer donde se están identificando, tanto elementos físicos de la lesión, como componentes genéticos que permitan un mejor conocimiento de las características de los pacientes y su respuesta ante el tumor. El otro pilar del proyecto es la algoritmia basada en estos paneles con diferentes técnicas ópticas para ofrecer soporte al diagnóstico temprano y al pronóstico del melanoma. Así, los mecanismos creados a través de Inteligencia Artificial se tornan clave para reducir lo máximo posible el tiempo de análisis de la lesión cutánea.

"A pesar de que cada día se diagnostican melanomas en estadios más precoces, es paradójico que los métodos actuales para establecer el diagnóstico y el pronóstico de esta enfermedad,  se basen en criterios morfológicos y anatomopatológicos que se obtienen a través de una biopsia, y suelen ser imprecisos a la hora de evaluar el riesgo de progresión metastática de la enfermedad, ya que el problema asociado a esta enfermedad es que se trata de un cáncer muy variable en su evolución", señala Ruiz Ayuso, "esto hace que a día de hoy, un porcentaje muy elevado de casos no tenga una predicción clara de evolución clínica". 

En el marco del estudio, la parte fundamental realizada por Ibermática han sido los modelos de Machine Learning, o aprendizaje automático, para establecer pronóstico del melanoma en cuanto a riesgo de metástasis y tiempo libre de enfermedad, así como la herramienta para la gestión de las imágenes, datos clínicos y ejecución de los modelos de autoaprendizaje del resto de participantes. Actualmente se está revisando la viabilidad de implantación y patentado del proyecto cuyo reto el desarrollo del mencionado sistema de apoyo en los servicios de dermatología y anatomía patológica, con el objetivo de poder dotar a los profesionales médicos de una herramienta capaz de identificar casos similares a los del paciente durante el proceso de pronóstico.

Retos tecnológicos para el desarrollo de soluciones aplicados al melanoma

El melanoma, es un cáncer de piel que es muy variable en su presentación clínica y composición biológica, con un porcentaje muy elevado de casos que no tienen una predicción clara de evolución.  Una de las explicaciones de la comunidad científica es que el melanoma es heterogéneo en su composición celular, que quiere decir que aunque sea pequeño, contiene clones de células con diferentes propiedades biológicas que lo capacitan para invadir tejidos circundantes, dando lugar a metástasis, según explican desde la empresa tecnológica. Esta heterogeneidad de las células que constituyen el melanoma también explican su resistencia a tratamientos médicos y a la radioterapia. 

La resección quirúrgica en estadios tempranos de la enfermedad, es el tratamiento de referencia, sin embargo, en los casos de melanoma avanzado, a día de hoy, carece de un tratamiento médico eficaz. Tal y como apunta Ruiz, construir una estrategia de gobierno adecuada es fundamental para gestionar de manera eficiente este tipo de proyectos, donde principalmente el reto, "estará en el diseño de las funcionalidades de gestión y gobierno de los datos, con los que poder aplicar algoritmos informáticos para obtener diferentes correlaciones entre múltiples factores que podrían responder a preguntas clínicas", ya que se necesita una base de datos con gran volumen de información que integre todos los resultados de análisis experimentales de muestras, así como toda la información asociada a múltiples pacientes, para su gestión y explotación.

IA en otros ámbitos de la salud

En el ámbito de salud, Ibermática cuenta con un gran volumen de 'know-how' desarrollado en múltiples proyectos de I+D+I, en los cuales están viendo la aplicabilidad en proyectos más amplios. "Hemos realizado pilotos en hospitales de ámbito público y privado como diagnóstico de diferentes cánceres, enfermedades cardiacas agudas, adherencia a tratamientos farmacológicos, objetivación del dolor mediante imágenes faciales, optimización de las urgencias de flujos de personas y con tecnologías como analítica avanzada, Process Mining, big data", concluye.