La Asociación Multisectorial de Empresas de la Electrónica, las Tecnologías de la Información y la Comunicación, de las Telecomunicaciones y de los Contenidos Digitales (AMETIC) ha premiado el proyecto DELFOS dentro del evento AI SUMMIT 2024 en el que se han dado cita los principales profesionales del sector para generar oportunidades de negocio en torno a la Inteligencia Artificial (IA) que permitan promover la innovación, la competitividad y el empleo de calidad.
El proyecto DELFOS es un proyecto realizado por la empresa G7 Innovations Solutions S.L en colaboración con la Universidad de Sevilla y el Instituto para el Estudio de la Biología de la Reproducción Humana (INEBIR). Es un proyecto multidisciplinar (formado por tecnólogos,
investigadores en ingeniería del software y profesionales sanitarios especialistas) y aplicado al ámbito de la salud preventiva con el propósito de avanzar en la transformación digital de las organizaciones sanitarias y, en particular, en las organizaciones sanitarias del ámbito de la reproducción asistida en las que la demanda de servicios de asesoría genética es superior al número de genetistas cualificados. De hecho, se prevé que la demanda de estos servicios aumente considerablemente en el futuro con el incremento de pruebas de medicina personalizada.
El objetivo general del proyecto es la creación de un sistema experto de software basado en tecnologías Big Data y técnicas de inteligencia artificial (concretamente Machine Learning) para
descubrir patologías a partir del análisis de registros electrónicos de salud obtenidos a partir de historias clínicas de pacientes, cuyos datos no tienen una correlación conocida por lo que no son adecuadamente valorados hoy en día durante los procesos o Tratamientos de Reproducción Asistida (TRA). Por tanto, el primer aspecto de este sistema es relacionar variables de datos de pacientes, cuya relación no es conocida. En segundo lugar, la integración de estas variables con los datos de secuenciación del exoma (genes) de los pacientes, permitirá aportar valor sobre el manejo de los pacientes para lograr un mayor éxito reproductivo en los tratamientos. Del mismo modo, se pretende que este sistema experto aporte valor a los servicios de asesoría genética de cualquier organización sanitaria porque brindará al profesional sanitario una herramienta de soporte a la toma de decisiones para detectar situaciones de riesgo genético; todo ello a partir de la integración de un modelo de screening y alertas tempranas altamente sensibles.
Por lo tanto, los objetivos a desarrollar en la plataforma son:
⎯ Descubrir datos de la historia médica de los pacientes que ayuden a incrementar el éxito reproductivo de los tratamientos.
-A partir de los resultados de pruebas diagnósticas, determinar si existe riesgo de que un
individuo o su descendencia pueda desarrollar enfermedades hereditarias.
⎯ Notificación en tiempo real de alertas en caso de situaciones de riesgo.
⎯ Dar soporte a la toma de decisiones y validar acciones de los profesionales.
⎯ Transferibilidad e integración con distintas organizaciones sanitarias para su uso en la práctica
clínica de tratamientos de reproducción asistida.
INEBIR ha colaborado activamente en el desarrollo y pilotaje del proyecto DELFOS. Durante el proceso se ha contado con la experiencia profesional del Dr. José Manuel Navarro Pando, director médico de INEBIR, y de la Dra. Ana Teresa Marcos, responsable de la Unidad de Genética de INEBIR. Ambos expertos han colaborado en el diseño y validación del programa de inteligencia artificial para dos modelos predictivos generado para las enfermedades de infertilidad masculina y endometriosis.
Los modelos predictivos se han obtenido gracias al uso de los registros de historia electrónica anonimizados almacenados en el sistema IMEDEA bajo la ley de protección de datos. Gracias a ello y al uso de casos reales de pacientes usados durante el pilotaje de la aplicación en la clínica, se han elaborado dos artículos científicos (en colaboración de la Universidad de Sevilla) correspondientes a las enfermedades comentadas anteriormente, analizando los resultados obtenidos de las predicciones realizadas en estos casos reales.
