TARTAGLIA: un nuevo impulso para la mejora del sector salud.

Presentación de las fases del proyecto con todos los integrantes del consorcio.

Pixelabs forma parte del consorcio público-privado formado por 16 entidades que buscan acelerar y mejorar la investigación clínica y sanitaria en España.

Este consorcio está trabajando en el proyecto Tartaglia 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 y estará financiado por la Unión Europea a través de los fondos Next Generation EU.

Pixelabs lidera el paquete de trabajo sobre investigación en los modelos predictivos para el cribado automático de la retinopatía diabética usando redes neuronales convolucionales. Poder dar a conocer este tipo de investigación clínica, es una manera de contribuir en el avance de la sociedad y para nosotros es muy importante que parte de nuestros esfuerzos tecnológicos como compañía tengan un impacto positivo en las instituciones, sociedad y ciudadanos.

Eneka Carnicer, coordinadora del paquete de trabajo en el que estamos trabajando nos cuenta su visión: “Estamos entusiasmados de poder participar en un proyecto de esta envergadura, con el que poder contribuir a la constante mejora del mundo médico. Desde Pixelabs, y junto con todos nuestros compañeros de viaje del consorcio y en especial con la parte clínica con la que estamos trabajando más de cerca en el día a día (Fundación Rioja Salud, Instituto de investigación Sanitaria la Fé y el Servicio Gallego de Salud) estamos aportando todo nuestro potencial, tanto en la parte de gestión como de desarrollo, para obtener resultados positivos que poder poner en práctica cuanto antes.”

El proyecto consta de distintos casos de uso potenciales. Cada uno de ellos está dirigido por distintos integrantes del consorcio (con un total de 5 casos de uso), como la investigación sobre la detección temprana de la enfermedad de Alzheimer; detección y diagnóstico temprano de patologías relacionadas con la insuficiencia cardíaca; detección precoz de cáncer de próstata clínicamente significativo a través de técnicas de IA; simular la evolución de enfermedades crónicas y complejas o la detección de la retinopatía diabética en fases tempranas. Y es en este último caso de uso donde Pixelabs participa activamente.

Ecosistema, datos y objetivos

En el sector salud, la implantación de tecnología ha de pasar estrictas evaluaciones y cumplir con los estándares y certificaciones que se exigen en este medio. Además siempre está supeditada a una última validación por parte de un profesional sanitario. De esta manera la Inteligencia Artificial se presenta como un aliado y nueva herramienta para ayudar a mejorar las tareas repetitivas así como para acelerar procesos que hasta el día de hoy son manuales.

Para poder entrenar modelos con datos reales, el proyecto tiene como premisa usar el modelo federado de datos (lo que en su acepción en inglés se conoce como federated learning). Esto permitirá al algoritmo viajar a los centros de datos sin que estos tengan que salir de cada uno de los centros para preservar al máximo la privacidad y seguridad.

Figura representativa de una Red Federada de Datos.

El objetivo de Tartaglia es no sólo fomentar la investigación clínica y sanitaria sino alcanzar nuevos métodos para la detección temprana de enfermedades. Demostrar además que es posible adoptar este tipo de tecnologías, que aún están poco maduras dentro del sector, que presenta una normativa compleja y altos estándares. Otros objetivos del proyecto son acelerar el desarrollo de tecnologías de prevención, soporte al diagnóstico médico y a los profesionales. Los campos de aplicación y beneficios de un proyecto de esta envergadura son muchos, desde la calidad de la investigación y su mejora hasta el lanzamiento de soluciones finales de rápida implantación. Se busca además, mejorar la fiabilidad de los algoritmos siempre con validación técnica y que estén certificados cómo productos médicos.

Redes convolucionales para la detección temprana de la retinopatía diabética.

Se diseñará y entrenará un algoritmo de manera federada con datos distribuidos. De esta forma se cumple con la normativa de seguridad y privacidad; el modelo viajará a los centros de datos, realizará el entrenamiento y volverá al nodo central entrenado.

Esta investigación facilitará la implantación de un sistema de cribado consistente, que bajo supervisión de un profesional en el área, ayude a descongestionar los procesos que hasta ahora se hacen de forma manual. Dentro del estudio, se van a utilizar distintos marcadores clínicos para determinar si existe retinopatía y en qué grado. Se dispone de datos anonimizados de imágenes del fondo de ojo del paciente y datos estructurados extraídos de distintos análisis. Se buscará entrenar modelos que usen ambas fuentes de datos para proporcionar la mejor respuesta posible. De igual manera, se analizarán las imágenes con técnicas de visión artificial para extraer variables decisivas como presencia de hemorragias, neovasos o microaneurismas y se proveerán a los modelos. Este análisis de la imagen busca replicar el procedimiento de los clínicos cuando categorizan una imagen de un paciente. Por ello, en esta tarea se trabajará de la mano de los médicos para entender su trabajo de análisis y trasladarlo a los algoritmos. Los modelos se entrenarán de manera federada buscando maximizar la sensibilidad y la especificidad.

 TARTAGLIA (con Nº de referencia TSI-100205-2021-11) está 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, y está financiado por la Unión Europea a través de los fondos NextGenerationEU. Las acciones realizadas se reportarán al Ministerio para la Transformación Digital y de la Función Pública (Nº expediente MIA.2021.M02.0005), correspondiente a los fondos del Plan de Recuperación, Transformación y Resiliencia.