Els models matemàtics ajuden a predir l'evolució de malalties neurodegeneratives

metge amb radiografia

Tant en TAC, raigs X i ultrasons com en ressonància magnètica hi ha moltes aplicacions relacionades amb big data i la intel·ligència artificial (foto: Anna Shvets: / Pexels)

15/09/2022
Lorena Farràs Pérez

La intel·ligència artificial facilita la personalització de tractaments mèdics i la predicció de l'evolució dels pacients


Aquesta tecnologia guanya pes en l'àmbit sanitari per processar grans quantitats d'informació en temps real


Investigadors de la UOC i de l'IDIBAPS estudien aplicar-la en camps tan diversos com el processament d'imatges o la bioinformàtica


La UOC disposa d'un centre acadèmic, l'eHealth Center, que genera, transfereix i intercanvia coneixement en salut digital

Les tecnologies de la informació i la comunicació (TIC) estan revolucionant el món, i el sector de la salut no n'és una excepció. Les TIC són vistes com un element estratègic per millorar la salut de la ciutadania i garantir un sistema sanitari de qualitat, modern i sostenible. Una de les tecnologies més prometedores és la intel·ligència artificial, capaç de crear sistemes informàtics i entrenar-los perquè prenguin decisions de manera automàtica a partir de les dades. Dos estudis recents en què han participat investigadors de la Universitat Oberta de Catalunya (UOC) i de l'Institut d'Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS) mostren la potencialitat de l'aplicació de la intel·ligència artificial en els camps del processament de la imatge i el de la bioinformàtica i la genètica, respectivament.

"Tant en TAC, raigs X i ultrasons com en ressonància magnètica hi ha moltes aplicacions relacionades amb big data i la intel·ligència artificial", indica Jordi Casas Roma, investigador del grup de recerca Neuro ADaS Lab de l'eHealth Center, així com professor dels Estudis d'Informàtica, Multimèdia i Telecomunicació i director del màster universitari de Ciència de Dades (Data Science) de la UOC. En el seu darrer estudi, els investigadors participants han pogut demostrar que "integrar i processar totes les dades de manera conjunta, fent ús de xarxes multicapa (multilayer, en anglès), permet una anàlisi més completa de les dades que si s'analitzen de manera individual i independent".

 

Matemàtiques per entendre els canvis del cervell

El treball de Casas se centra a definir un model matemàtic que permeti entendre millor els canvis i el deteriorament cognitiu del cervell. En un primer moment s'ha provat el model amb l'esclerosi múltiple, però el patró és aplicable a d'altres malalties neurodegeneratives. "Entendre què està passant en el cervell quan es pateix una malaltia d'aquest tipus és el primer pas per poder millorar i personalitzar els tractaments. És important poder determinar i predir l'evolució de la malaltia, que segurament ens permetrà discernir entre diferents grups de pacients, amb evolucions similars i tractaments diferenciats de la resta de grups", afirma el professor de la UOC.

El també membre de Neuro ADaS Lab Ferran Prados Carrasco, director de l'estudi —en el qual també participen els investigadors de la UOC Marcos Díaz Hurtado, de l'eHealth Center, i Albert Solé i Javier Borge, del grup Complex Systems (CoSIN3), de l'Internet Interdisciplinary Institute (IN3)—, ja està portant a la pràctica la teoria de les xarxes multicapa. "Ens trobem en la fase inicial, on hem desenvolupat un biomarcador, n'hem confirmat la sensibilitat, hem publicat com es fa per utilitzar-lo i hem proporcionat en obert la tecnologia perquè altres investigadors i metges d'arreu la puguin aplicar en les seves dades", explica Prados. "En paral·lel, ja hem començat a fer la primera aplicació clínica amb dades de ressonància magnètica de persones amb malalties neurodegeneratives com l'esclerosis múltiple i l'Alzheimer/demència", afegeix el també investigador.

 

Bioinformàtica i genètica

Un altre camp important d'aplicació de la intel·ligència artificial en l'àmbit de la salut és el de la bioinformàtica i la genètica, amb els algoritmes metaheurístics. "Són algoritmes molt populars en optimització combinatòria —és a dir, quan hi ha un conjunt finit de solucions per a un problema i es vol trobar la que optimitza una determinada funció objectiu—. Ens permeten obtenir solucions d'alta qualitat per a problemes complexos en temps real", explica Laura Calvet Liñán, professora i investigadora dels Estudis d'Informàtica, Multimèdia i Telecomunicació i autora principal de l'estudi "On the role of metaheuristic optimization in bioinformatics". Calvet destaca que "la metaheurística té un paper essencial en la imatge mèdica i el modelatge de malalties —mitjançant la selecció de variables, l'optimització de paràmetres, etc.—".

 

Sobre l'eHealth Center

L'eHealth Center de la UOC és un centre acadèmic obert al món, transdisciplinari, que genera, transfereix i intercanvia coneixement en salut digital per capacitar i apoderar els ciutadans i els professionals mitjançant les tecnologies perquè liderin el canvi de paradigma en salut. Se centra en les persones i es basa en la recerca, la formació i l'assessorament per contribuir al progrés i al benestar de la societat. S'emmarca dins el compromís de la Universitat amb l'àmbit de la salut digital.

 

Aquesta recerca està relacionada amb el tercer objectiu de desenvolupament sostenible de Nacions Unides (ODS), de salut i benestar.

Articles de referència

Casas-Roma, J., Martínez, E., Solé, A., Solana, E., López, E., Vivó, F., Díaz, M., Alba, S., Sepúlveda, M., Blanco, Y., Saiz, A., Borge, J., Llufriu, S. and Prados, F. (2022), Applying multilayer analysis to morphological, structural and functional brain networks to identify relevant dysfunction patterns. Network Neuroscience. https://doi.org/10.1162/netn_a_00258

Calvet, L., Benito, S., Juan, A.A. and Prados, F. (2022), On the role of metaheuristic optimization in bioinformatics. International Transactions in Operational Research. https://doi.org/10.1111/itor.13164

 

UOC R&I

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi, mitjançant l'estudi de la interacció entre la tecnologia i les ciències humanes i socials, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital.

Els més de 500 investigadors i investigadores i els 51 grups de recerca s'articulen entorn dels set estudis de la UOC, un programa de recerca en aprenentatge en línia (e-Learning Research) i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

A més, la Universitat impulsa la innovació en l'aprenentatge digital a través de l'eLearning Innovation Center (eLinC) i la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Els objectius de l'Agenda 2030 de desenvolupament sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC. Més informació: research.uoc.edu #25anysUOC

Experts UOC

Foto del professor Jordi Casas Roma

Jordi Casas Roma

Professor dels Estudis d'Informàtica, Multimèdia i Telecomunicació
Director del màster universitari d'Aplicacions Multimèdia

Expert/a en: Seguretat informàtica, privacitat en grafs i xarxes socials, graph mining i mineria de dades.

Àmbit de coneixement: Seguretat informàtica, intel·ligència artificial i mineria de dades.

Veure fitxa
Foto del professor Ferran Prados

Ferran Prados Carrasco

Expert/a en: Anàlisi de neuroimatge, desenvolupament de biomarcadors i translació d'avenços tecnològics a la pràctica clínica en el context de malalties neurodegeneratives.

Àmbit de coneixement: Neuroimatge, ciència de dades, biomarcadors, malalties neurodegeneratives

Veure fitxa

Laura Calvet Liñán

Expert/a en: Algorismes d'optimització i simulació aplicada a la logística, el transport i la producció industrial.

Àmbit de coneixement: Optimització i estadística aplicada.

Veure fitxa
Javier Borge Holthoefer

Javier Borge Holthoefer

Investigador de l'Internet Interdisciplinary Institute (IN3)

Expert/a en: Sistemes complexos, dinàmiques socials, models basats en agents, col·lecció i anàlisi de grans volums de dades, comportament col·lectiu, computació urbana (models de congestió de trànsit, models de creixement urbà).

Àmbit de coneixement: Ciència social computacional, sistemes i xarxes complexes, dades massives (big data).

Veure fitxa
Albert Solé

Albert Solé

Investigador del grupo CoSIN3

Enllaços relacionats