“A veces no nos damos cuenta de que el talento se encuentra a la vuelta de la esquina. No hace falta buscar muy lejos, basta con tener la voluntad de colaborar”. Miguel Reboiro Jato es, junto a Daniel González Peña, investigador principal del proyecto PolyDeep, un sistema de Diagnóstico Asistido por Ordenador (CAD) para la detección y clasificación de pólipos colorrectales en tiempo real gracias a técnicas de deep learning.
El investigador del grupo SING (Sistemas Informáticos de Nueva Generación) en la Escuela Superior de Enxeñaría Informática en el campus de Ourense de la Universidad de Vigo, explica a Innovaspain que la puesta en marcha de la iniciativa surgió de ese afán de cooperación. Tras unas jornadas en las que la universidad y el Complejo Hospitalario Universitario de Ourense pusieron sobre la mesa posibles puntos de colaboración, se reunieron con el Dr. Joaquín Cubiella, gastroenterólogo y líder del Grupo de Investigación Oncología Digestiva (GIODO) en el hospital ourensano.
“En SING estamos focalizados en aplicar la inteligencia artificial a problemas biomédicos y bioinformáticos. El doctor Cubiella nos propuso mejorar la detección y la clasificación de los pólipos colorrectales (malignos-benignos). Se escapaba un poco a nuestra especialidad, pero nos gustó tanto la idea que nos pusimos manos a la obra con el reto de desarrar un prototipo”, añade Reboiro-Jato. Inicialmente, PolyDeep estuvo financiado por el Ministerio de Ciencia, Innovación y Universidades, a través de la convocatoria Programa Nacional de Investigación Orientada a los Retos de la Sociedad 2017.
Uno de los problemas de la colonoscopia tradicional es que no es infalible en la detección de pólipos. “El sistema CAD ayuda al endoscopista a que ningún pólipo pase desapercibido. En este punto usamos modelos populares en el campo de la localización, como YOLO, a los que hemos añadido un desarrollo propio para ser capaces de identificar el mismo pólipo en distintos frames durante la prueba”.
Un difícil tarea
Por otro lado, PolyDeep aborda la tarea de clasificar en tiempo real los pólipos. “Es un proceso de máxima complejidad. Ya disponemos de unas 30.000 imágenes y vídeos de pólipos localizados, pero necesitamos más datos para perfeccionar el modelo y que sea especifico. Los modelos disponibles, y hemos probado varios, por lo general están entrenados en la identificación de objetos de la vida cotidiana. Con los pólipos no es tan sencillo; más que objetos se trata de texturas. Una vez empiezas a trabajar en una investigación de este tipo, siempre quieres ir un poco más lejos y perfeccionar el sistema al máximo”.
La mejora en la clasificación de los pólipos traería de la mano varios beneficios, tanto para el paciente como para los sistemas de salud. Nuestro CAD ayudará al endoscopista en la toma de decisiones. “Evitaríamos resecciones innecesarias, análisis histológicos y costes económicos, así como la planificación del tratamiento más adecuado (endoscópico o quirúrgico) en adenocarcinomas. Aportaríamos al profesional una segunda opinión en un momento crucial”.
Rumbo al mercado
En 2021, el proyecto entró en una nueva fase. PolyDeepAdvance está guiado por el estudio de la viabilidad comercial del prototipo CAD PoliDeep y otros productos derivados. Ha recibido financiación del Ministerio de Ciencia e Innovación, a través de la convocatoria Proof of Concept 2021.
“Desde entonces hemos trabajado en evolucionar el prototipo para aproximarlo al mercado explorando distintas opciones de comercialización. Esto nos lleva necesariamente a activar su validación clínica para determinar su rendimiento”, explica el investigador del grupo SING.
Un primer ensayo clínico comenzó en febrero en el Hospital de Ourense para obtener datos de unos 200 pacientes. El endoscopista seguirá el procedimiento habitual y un segundo observador trabajará con PolyDeep para comparar la capacidad de detección de uno y otro método.
Los dos ensayos posteriores -en los Hospitales de Vigo y Pontevedra- tratarán de determinar si el nuevo sistema mejora la colonoscopia. Un grupo de pacientes será analizado con PolyDeep y otro no y los resultados de la detección serán comparados. En el tercer ensayo, los pacientes se someterán a una colonoscopia con y sin PolyDeep (en un orden variable) a fin de determinar si el CAD es capaz realmente de detectar pólipos adicionales.
Buenas sensaciones
Aunque la prudencia invita a esperar los resultados definitivos de los ensayos, el feed back recibido en las pruebas informales llevadas a cabo por Reboiro Jato y el resto del equipo es muy positivo. “Instalamos un prototipo en una sala del Hospital de Ourense que nos ayudó a mejorar el sistema. Inicialmente era demasiado sensible, así que ofrecía muchos falsos positivos. Una vez optimizado su rendimiento, los endoscopistas admitieron que gracias a PolyDeep habían detectado varios pólipos que se les habían escapado”.
En cuanto a la futura comercialización del sistema, una posibilidad es comercializar el prototipo CAD tal cual, como un módulo implementado en la torre de endoscopia. “Hemos reducido su tamaño y ahora encaja perfectamente”, asegura el experto. Otra opción es llegar a un acuerdo con un fabricante de endoscopios e incorporar el software de PolyDeep en origen. “Decidiremos más adelante qué nos conviene más”.
El investigador concluye incidiendo en el mensaje inicial. “Pase lo que pase, estamos muy orgullosos de haber llegado hasta aquí con un proyecto tan local. La universidad y el hospital están separados por un trayecto de apenas 10 minutos en coche. Esta proximidad y la potencia profesional del equipo han sido claves”.
