La compañía española GMV lidera Tartaglia, un proyecto enmarcado dentro del programa Misiones de I+D en Inteligencia Artificial de la agenda España Digital 2025 y de la Estrategia Nacional de Inteligencia Artificial, financiado con fondos europeos. En él, se desarrollarán modelos de IA para su uso en entornos asistenciales y romper así romper las barreras que ahora mismo frenan la investigación sanitaria en materia de compartición de datos.
Inmaculada Pérez Garro, directora de Secure e-Solutions de GMV, apunta que, para entender el objetivo del proyecto, es importante primero saber cuál es la problemática que pretende resolver. “Los algoritmos de IA necesitan grandes datasets para obtener la precisión que se necesita en el ámbito médico. Obtener este tipo de datos es difícil porque los datos clínicos son altamente sensibles y están sujetos a una regulación estricta. Como consecuencia, los algoritmos actuales provienen de un número muy escaso de fuentes. Esto introduce sesgos en los algoritmos y no se pueden aplicar a distintos grupos poblacionales, ya que hay poca generabilidad”.
Por ello, en Tartaglia investigarán una tecnología llamada aprendizaje federado, que busca resolver este problema haciendo que los algoritmos de IA se entrenen de forma colaborativa, sin necesidad de mover los datos del hospital que los alberga. “Es decir, en vez de mover los datos a un lugar en el que puedan ser tratados, nuestra visión es mover los algoritmos a los centros en los que se encuentran los datos”, señala Pérez.
Dentro del proyecto, también se encuentran otros retos de investigación. En el caso de la enfermedad de Alzhéimer, por ejemplo, se investigará en modelos predictivos para su detección temprana. Para el cáncer de próstata, se desarrollarán los mismos modelos para mejorar la predicción del cáncer agresivo y disminuir la necesidad de biopsia. Asimismo, crearán un simulador para la predicción de enfermedades cardiometabólicas con tecnología de gemelo digital y técnicas de IA.
¿Cómo harán para poder utilizar datos clínicos?
Precisamente, el objetivo de GMV es permitir la compartición de datos clínicos cumpliendo la regulación. “La tecnología que se desarrollará permitirá que sea posible entrenar modelos de machine learning sin que los datos salgan en ningún momento del entorno seguro en el que los almacenan los distintos socios clínicos”, explica. “Como en todo estudio en que se emplean datos sensibles de carácter clínico, los comités éticos de los hospitales participantes deberán dar su visto bueno para los distintos casos de uso propuestos”.
El funcionamiento de Tartaglia
La tecnología de Tartaglia, el denominado aprendizaje federado, servirá como un habilitador para poder extender el uso de la IA y mejorar sus resultados en las investigaciones. Y es que, como apunta Pérez, actualmente las empresas de innovación tecnológica pequeñas no tienen capacidad para entrenar modelos de IA con datos de distintos hospitales que les permitan crear modelos con calidad suficiente como para ser usados en la práctica clínica.
“La tecnología de Tartaglia, al permitir compartir datos de forma segura, permitirá, entre otras cosas dinamizar la economía, porque con ella las pymes podrán crear modelos de gran precisión y acceder a un mercado hasta ahora limitado a las grandes corporaciones. Usando la red federada, los científicos de datos del proyecto trabajarán como hasta ahora, ya que para ellos el funcionamiento de la red federada será transparente”.
El papel de GMV
GMV es el coordinador de Tartaglia y se han puesto como objetivo crear “un consorcio balanceado en sus capacidades y con experiencia y reputación probados”, en palabras en de Inmaculada Pérez. Así, les acompañarán entidades públicas como el Hospital Vall d’Hebron y servicios autonómicos de salud (Galicia, Canarias, Rioja), entre otros. “Como líderes del proyecto, desde GMV llevaremos la gestión administrativa, financiera y técnica del proyecto. En este rol nuestro objetivo es asegurar que se cumplen los objetivos marcados en las distintas actividades”, afirma.
Además, GMV lidera un paquete de trabajo cuyo objetivo es usar técnicas de inteligencia artificial, apoyadas por la red federada y la simulación, para facilitar al usuario la adquisición de imágenes diagnósticas y obtener un diagnóstico inicial del paciente que facilite la toma de decisiones con ultrasonidos.
“La imagen de ultrasonidos es extraordinariamente útil en el diagnóstico por su inocuidad, tamaño compacto y la capacidad de obtener imagen en tiempo de real. Sin embargo, al ser una técnica operador dependiente y de cierta complejidad de aprendizaje, dificulta su uso masivo y prioriza otras modalidades de imágenes respecto a esta. Con la IA, se pretende salvar esta barrera, ya que interpretará los resultados facilitándole al usuario el diagnóstico”.
