Investigadores de la Facultad de Informática de la Universidad Politécnica de Madrid han desarrollado un algoritmo que mejora el diagnóstico y pronóstico en muchas enfermedades, combinando eficientemente los datos clínicos tradicionales con los datos genéticos, obtenidos con la tecnología de Microarrays de ADN.
El algoritmo, llamado CliDaPa (Clinical Data Particioning), segmenta a los pacientes utilizando una representación en árbol a través de sus datos histológicos, clínicos y de tratamientos fármacológicos (denominado árbol clínico), lo que permite agruparlos según comportamientos de pacientes similares, para el caso de una enfermedad determinada. A continuación, analiza cada agrupación depacientes con la información genética asociada, mediante técnicas de minería de datos.
El método se ha demostrado su validez en el análisis de cancer de mama, de pulmón y meduloblastomas (variantes de tumores cerebrales Para la ejecución de CliDaPa se han utilizado los recursos del Centro de Supercomputación y Visualización de Madrid (CeSViMa), una de las principales infraestructuras de computación intensiva del país.
Los resultados obtenidos, comparados con distintos estudios de la literatura científica, así como con las técnicas de análisis tradicionales, demuestran que CliDaPa mejora significativamente los resultados previos.
La investigación ha sido desarrollada como tesis doctoral por Santiago González Tortosa. La tesis fue codirigida por los profesores Víctor Robles (de la Facultad de Informática de la Universidad Politécnica de Madrid) y Fazel Famili, del National Research Council de Canada.
Nuevo enfoque
CliDaPa es un método diferente de análisis de Microarrays de ADN que tiene la finalidad de generar un modelo que represente los distintos comportamientos de pacientes (extraídos a partir de los datos clínicos), que serán estudiados de forma separada y específica mediante minería de datos. En el desarrollo la investigación se propusieron asimismo nuevos métodos de aprendizaje.
Toda esta investigación se ha ido dando a conocer en publicaciones en revistas y congresos internacionales de gran relevancia, como en ACM Digital Library. Asimismo, CliDaPa fue presentado en el la VIII Competición de Creación de Empresas UPM y fue galardonado con el premio accésit.
Algoritmo con futuro
Entre las aplicaciones actuales, en el dominio biomédico, destaca, en el contexto del proyecto Cajal Blue Brain, el estudio comparativo de datos clínicos con factores provenientes de pruebas complementarias en la diagnosis y evolución de enfermedades neurodegenerativas.
Actualmente, el equipo de investigación colabora con el Hospital de la Paz para continuar con las investigaciones en el dominio de la oncología, así como explorar nuevas alternativas de representación de datos farmacogenómicos a través del uso de la visualización, aplicando novedosas técnicas de Realidad Virtual. El objetivo es asesorar al experto médico acerca del comportamiento de una enfermedad específica, a partir de los diferentes perfiles de los pacientes. El uso de esta técnica visual, en conjunto con la experiencia previa del experto, ayudará a realizar un posible diagnóstico o tratamiento de una enfermedad de manera más efectiva y rápida que las técnicas actuales.
La velocidad se incrementa a medida que el futbolista se acerca al balón, sin embargo, disminuye ligeramente al llegar a él. Los delanteros son los que corren más directamente hacia el esférico, mientras que los porteros lo hacen de una forma más paralela. Son algunos resultados de un estudio de investigadores españoles.
Investigadores de la compañía Google DeepMind han desarrollado Tactic AI, un asistente que podría ayudar a los entrenadores a elegir las mejores configuraciones de jugadores tras un saque de esquina. La herramienta se ha entrenado con datos de más de 7000 córneres de la Premier League y la han validado expertos del Liverpool FC.
