ModGraProDep: intel·ligència artificial i modelització probabilística aplicada a lʼoncologia clínica

La predicció de la supervivència dels malalts —amb variables concretes i edats específiques— és un element decisiu per valorar tractaments i identificar subgrups entre els pacients.
La predicció de la supervivència dels malalts —amb variables concretes i edats específiques— és un element decisiu per valorar tractaments i identificar subgrups entre els pacients.
Recerca
(10/06/2020)

Millorar la predicció dʼindicadors de supervivència en malalts de càncer de mama mitjançant eines dʼintel·ligència artificial i modelització probabilística és el propòsit principal de ModGraProDep, un sistema innovador presentat en un estudi que ha dirigit Ramon Clèries, professor del Departament de Ciències Clíniques de la Facultat de Medicina i Ciències de la Salut i membre del Pla director dʼoncologia (ICO-IDIBELL). El treball ha estat publicat a la revista Artificial Intelligence in Medicine.

La predicció de la supervivència dels malalts —amb variables concretes i edats específiques— és un element decisiu per valorar tractaments i identificar subgrups entre els pacients.
La predicció de la supervivència dels malalts —amb variables concretes i edats específiques— és un element decisiu per valorar tractaments i identificar subgrups entre els pacients.
Recerca
10/06/2020

Millorar la predicció dʼindicadors de supervivència en malalts de càncer de mama mitjançant eines dʼintel·ligència artificial i modelització probabilística és el propòsit principal de ModGraProDep, un sistema innovador presentat en un estudi que ha dirigit Ramon Clèries, professor del Departament de Ciències Clíniques de la Facultat de Medicina i Ciències de la Salut i membre del Pla director dʼoncologia (ICO-IDIBELL). El treball ha estat publicat a la revista Artificial Intelligence in Medicine.

 

 

La nova tecnologia ha estat desenvolupada per un ampli equip dʼexperts en epidemiologia, oncologia i gestió de dades del Pla director dʼoncologia (IDIBELL), la Universitat de Barcelona, la Universitat Politècnica de Catalunya, lʼInstitut Català dʼOncologia (ICO), lʼInstitut dʼInvestigació Biomèdica de Girona (IDIBGI), la Universitat de Girona, la Universitat d'Alacant, el CIBER dʼEpidemiologia i Salut Pública (CIBERESP), lʼInstitut de Salut Carlos III, lʼHospital Universitari Sant Joan de Reus, el Servei dʼOncologia Mèdica de lʼICO Girona, els Registres de Càncer de Girona i Tarragona i lʼentitat MC Mutual.

 

Modelització matemàtica: noves fronteres en la lluita contra el càncer

 

Una de les aplicacions de la modelització numèrica dʼindicadors clínics en oncologia és el desenvolupament de models predictius que ajudin els oncòlegs i els clínics a classificar i valorar futurs escenaris dʼevolució dels pacients de càncer. En aquest context, la predicció de la supervivència dels malalts —amb variables concretes i edats específiques— és un element decisiu per valorar tractaments i identificar subgrups entre els pacients. No obstant això,  sovint aquesta informació sʼha dʼestimar mitjançant la modelització numèrica, atès que no existeix una població mostral suficient per calcular aquests indicadors de manera específica.

 

Lʼaplicació de la nova metodologia ModGraProDep (Modeling Graphical Probabilistic Dependencies) ha donat lloc a dos estudis que han estat coordinats per la professora Mireia Vilardell, de la Secció dʼEstadística del Departament de Genètica, Microbiologia i Estadística de la Facultat de Biologia UB, i per la investigadora Maria Buxó, de lʼIDIBGI.

 

En el primer cas, ModGraProDep permet identificar lʼestructura de la base de dades i generar una «població sintètica» (simulada) de pacients amb les característiques demogràfiques de la cohort original. Amb aquesta aproximació, es poden identificar possibles nous patrons de pacients i calcular indicadors (per exemple, la supervivència dʼun pacient en funció dels valors de les seves variables).

 

En el segon estudi, ModGraProDep es revela com una tecnologia capaç dʼassignar valors de manera probabilística en variables de les quals no sʼhavia pogut recollir informació.

 

Lʼequip científic també ha dissenyat una aplicació web de gran interès clínic en lʼàmbit de lʼoncologia que permet obtenir una predicció dʼindicadors de supervivència i risc de mortalitat per càncer —i per altres causes— de cada pacient fins a un termini màxim de vint anys.

 

 

 

Article de referència:

 

Vilardell, M.; Buxó, M.; Clèries, R.; Martínez, J. M.; Garcia, G.; Ameijide, A.; Font, R.; Civit, S. «Missing data imputation and synthetic data simulation through modeling graphical probabilistic dependencies between variables (ModGraProDep): An application to breast cancer survival». Artificial Intelligence in Medicine, maig de 2020. Doi: 10.1016/j.artmed.2020.101875