La IA, al servicio de la medicina

La edición de 2026 de los Desayunos Tecnológicos del Instituto Universitario de Tecnología Industrial de Asturias (IUTA) arrancó con dos conferencias centradas en la aplicación de la Inteligencia Artificial en servicios médicos. El primero de los ponentes fue Juan Luis Fernández Martínez, catedrático de Matemáticas de la Universidad de Oviedo, que acudió al encuentro en representación de Álvaro Elvira Jurado, alumno de su máster y becado de IUTA que desarrolló un proyecto acerca del estudio del síndrome de Canvas (Ataxia Cerebelosa, Neuropatía y Arreflexia Vestibular Bilateral) a través de imágenes PET (Tomografía por emisión de positrones) y técnicas de movilización matemática con IA. Esta investigación cuenta con la colaboración del Servicio de Neurología del HUCA para que los expertos médicos puedan conocer mejor el síndrome y que, a futuro, se pueda mejorar el diagnóstico y tratamiento de los pacientes.

En su charla, "Cuando la glucosa habla: patrones cerebrales en Canvas con IA", desarrolló los patrones que usan para analizar en pacientes esta enfermedad neurodegenerativa que afecta, principalmente, al cerebelo, nervios periféricos y el sistema gesticular que proporciona el equilibrio en el oído interno. "Se manifiesta por problemas de coordinación y marcha, pérdida de sensibilidad y alteraciones de equilibrio y visuales", explicó el catedrático, añadiendo que "aunque se conocen cambios estructurales cerebrales, el metabolismo de la glucosa en el cerebro en enfermos de Canvas no está muy bien estudiada".

El origen de este proyecto se remonta a hace unos años cuando el director del Servicio de Neurología del HUCA, Germán Morís de la Tassa, contactó con Juan Luis Fernández para ayudarles a segmentar y extraer los datos de glucosa en el cerebro de los pacientes. "Nuestras investigaciones no son puramente matemáticas, sino que intentamos proporcionar a los servicios médicos los métodos que sirvan para mejorar el diagnóstico, optimizar el tratamiento y adelantar la prognosis", detalló el ponente.

Para ello, obtienen los datos médicos a través de imágenes físicas y diversos indicios clínicos como la clasificación de los pacientes en cuatro fenotipos, dos de carácter leve y otros dos graves. "El primer paso es extraer los parámetros de la medida de la glucosa, enviando el cerebro del paciente a un cerebro normalizado y añadiéndole una regionalización de 166 áreas. Ahí son capaces de extraer el porcentaje de glucosa en esas regiones", describe Fernández.

A raíz de esto, establecen un análisis no supervisado con el que se reduce la dimensionalidad de la muestra a las variables, agrupándolas en un gráfico más reducido. "Los médicos utilizan cuatro fenotipos de severidad. En nuestro análisis supervisado, tres grupos sería la separación óptima", detalló Fernández, explicando que esos bloques están muy relacionados con tres variables que les proporcionan los médicos. "Viendo la gráfica, la primera conclusión a la que llegamos es si coges todo el cerebro y todos los valores, se va a poder predecir bastante bien la edad de diagnóstico clínico, pudiendo adelantarnos, la edad de inicio del síntoma cardinal y del resto de síntomas, pero no la severidad", desveló el ponente, mostrando uno de los retos a los que se enfrentaron durante el proyecto.

"Aquí ya entramos en un análisis supervisado, porque estamos usando la información clínica en la clasificación", resume. "En base a esto, buscamos las zonas del cerebro que son mejores según nuestros criterios", razonó Fernández, señalando que el resultado fue de veinte áreas. "Muchas de las zonas que están en primera posición se repiten, es decir, que hay consistencia en esa zona del cerebro donde la glucosa es predictiva", mostró. De esta forma, comprobaron que, "ambos análisis identifican un patrón consistente de afectación cerebelosa, acompañado de alteraciones en redes límbicas y frontales, algo que hasta la fecha se desconocía, sugiriendo un compromiso motor y cognitivo-emocional", resolvió el catedrático que también destacó que "estos patrones no emergen de forma natural en el análisis no supervisado, pero sí permiten una adecuada discriminación mediante modelos supervisados". "Los neurólogos no van a ver esto a ojo. Cuando se habla de la IA y la singularidad, tengo un mensaje muy claro: ya hemos llegado a la singularidad. Y no significa que las máquinas superen al ser humano, sino que, cualquier experto, pertrechado de un análisis matemático inteligente va a ser todavía más experto, es lo que tenemos que perseguir", expuso Fernández al final de su ponencia.

En la segunda de las conferencias, entraron en escena dos profesores del departamento de Informática de la Universidad de Oviedo, Ángel del Río y Fernando Moncada, que dieron algunas pinceladas de varios proyectos en los que se encuentran inmersos centrados en la IA aplicada en la ingeniería biomédica en dos de las grandes ramas de este campo: la imagen médica y el procesado de señales. Ángel del Río, experto en la primera de las áreas citadas, enseñó la primera línea de trabajo en la que se centraron, el cáncer de mama. "Nos llamó la atención que el protocolo clínico actual se basa en que al final del tratamiento, siempre hay que operar. Esto sucede porque en la última resonancia que se hace, la respuesta que se anota tiene falsos positivos y negativos, no tiene que coincidir con la respuesta patológica". A raíz de esto, se pusieron en marcha para intentar predecir la respuesta patológica.

"El protocolo hace dos tipos de resonancia magnética: de difusión y contraste y son completamente distintas", confesó del Río. La que les interesó fue la primera, que mide el movimiento de las moléculas de agua, ya que las células cancerosas restringen esa vibración. "Queríamos examinar series temporales y usando las de difusión se veían mejor los cambios internos", expuso el segundo ponente. Para ello, trabajaron sobre tres tipos de resonancia la "baseline", antes de comenzar el tratamiento, y la de postratamiento. "El primer estudio que tuvimos que hacer fue determinar las posibilidades que teníamos con este tipo de resonancia magnética. Probamos la detención, clasificación y segmentación de los tumores", enumeró del Río. No esperaban mucho de la segmentación, pero en la clasificación obtuvieron un 94,2 % de acierto en las imágenes individuales. También consiguieron una precisión del 88 % al situar al tumor mediante cajas de detención. Un buen punto de partida.

Con las dos primeras resonancias, pusieron el modelo a prueba para la predicción temprana. "Una de las radiólogas del equipo nos comentaba que visualmente, entre las dos resonancias no se ve la diferencia", recordaba del Río, señalando que pudieron lograr un 80 % de precisión para detectar la PCR. "Fue hasta sorprendente", reconoce.

Por su parte, Fernando Moncada repasó algunos de los proyectos que han puesto en marcha en señales biológicas y químicas y que les han dado muy buenos resultados. "En paralelo al trabajo de Ángel, en los cultivos también se utiliza una matriz de electrodos para poder grabar la actividad sinéctica durante un periodo de tiempo", comentó Moncada. La motivación del estudio era conseguir datos del efecto de las neurotoxinas de forma previa o más allá del mero nivel visual. "Queremos estudiar los pulsos eléctricos que generan las neuronas a lo largo de un tiempo, mientras la neurotoxina está haciendo efecto", explico Moncada, añadiendo que el problema hasta este momento era que, con la forma de medición actual, las neurotoxinas que se añaden y la tintura incapacitan realizar un análisis continuado. Además, Moncada explicó otros proyectos en los que han avanzado como uno para detectar el cáncer de próstata mediante un biomarcador clave, también mantienen investigaciones enfocadas en el análisis de la calidad del sueño y otros estudios sobre fotosensibilidad. Sobre estos temas versó el primer Desayuno Tecnológico del año, abriendo el camino para el próximo en mayo.