Protonterap-IA: Desarrollo de herramientas de apoyo a la toma de decisiones para la selección de pacientes en protonterapia – Iniciativa de estudio piloto en el centro de protonterapia de Galicia.
La radioterapia, o tratamiento con haces de radiación, es uno de los tratamientos más eficaces contra el cáncer. Contribuye a la curación de más del 40% de los pacientes oncológicos y casi un 70% se benefician de estos tratamientos a lo largo de su enfermedad.
La protonterapia, técnica radioterápica que utiliza haces de irradiación con protones, es una de las modalidades más prometedoras de radioterapia. Esta técnica ha emergido recientemente gracias a avances tecnológicos en equipamiento y a la investigación sobre las características y ventajas radiobiológicas que poseen este tipo de partículas altamente ionizantes.
Dichos avances han permitido poner en marcha en muchos países unidades de protonterapia modernas, accesibles para determinados pacientes oncológicos en los que es muy importante minimizar las posibles toxicidades de la radiación. Como sucede con los pacientes pediátricos o pacientes que presenten determinadas comorbilidades o riesgos, y también para aquellos pacientes en los que es necesario reirradiar o administrar dosis muy altas de irradiación al tumor sin lesionar órganos críticos próximos.
¿Qué pacientes probablemente se beneficiarían más de la protonterapia (PT) en comparación con la radioterapia convencional con fotones (RT)? Dar respuesta a esta pregunta, utilizando técnicas predictivas basadas en inteligencia artificial, es la principal motivación de este proyecto.
En el marco del futuro Centro de Protonterapia de Galicia (en construcción, en Santiago), en este proyecto pretendemos llevar a cabo un estudio piloto de desarrollo de metodología y herramientas IA para obtener modelos predictivos de probabilidad de complicaciones de tejido sano (en RT, aplicables a PT) basados en datos específicos de los pacientes.
Objetivos
El objetivo de este proyecto es desarrollar una metodología objetiva para seleccionar dentro de un grupo de pacientes a los que tengan más probabilidad de beneficiarse de la terapia de protones, y obtener una herramienta de apoyo a la toma de decisiones de medicina de precisión personalizada, de forma rápida, de fácil implementación en la práctica clínica y exportable.
Un objetivo secundario es determinar el mínimo de variables clínicas, y relacionadas con el paciente, que sean significativas para la decisión de selección del tipo de tratamiento.
La hipótesis de trabajo es que es posible entrenar un modelo de aprendizaje automático basado en características específicas de la enfermedad en un grupo de pacientes, que pueda predecir qué pacientes pueden beneficiarse más de la radioterapia con protones.
Pretendemos aportar evidencias de que para la optimización del proceso de RT/PT es posible la estratificación de pacientes basada en herramientas de IA y en los sistemas de historias clínicas digitales disponibles en la actualidad.
Proyecto
/research/projects/desenvolvemento-de-ferramentas-de-apoio-a-toma-de-decisions-para-a-seleccion-de-pacientes-en-protonterapia--iniciativa-de-estudio-piloto-no-centro-de-protonterapia-de-galicia
<p>La radioterapia, o tratamiento con haces de radiación, es uno de los tratamientos más eficaces contra el cáncer. Contribuye a la curación de más del 40% de los pacientes oncológicos y casi un 70% se benefician de estos tratamientos a lo largo de su enfermedad. </p><p>La protonterapia, técnica radioterápica que utiliza haces de irradiación con protones, es una de las modalidades más prometedoras de radioterapia. Esta técnica ha emergido recientemente gracias a avances tecnológicos en equipamiento y a la investigación sobre las características y ventajas radiobiológicas que poseen este tipo de partículas altamente ionizantes. </p><p>Dichos avances han permitido poner en marcha en muchos países unidades de protonterapia modernas, accesibles para determinados pacientes oncológicos en los que es muy importante minimizar las posibles toxicidades de la radiación. Como sucede con los pacientes pediátricos o pacientes que presenten determinadas comorbilidades o riesgos, y también para aquellos pacientes en los que es necesario reirradiar o administrar dosis muy altas de irradiación al tumor sin lesionar órganos críticos próximos.</p><p>¿Qué pacientes probablemente se beneficiarían más de la protonterapia (PT) en comparación con la radioterapia convencional con fotones (RT)? Dar respuesta a esta pregunta, utilizando técnicas predictivas basadas en inteligencia artificial, es la principal motivación de este proyecto. </p><p>En el marco del futuro Centro de Protonterapia de Galicia (en construcción, en Santiago), en este proyecto pretendemos llevar a cabo un estudio piloto de desarrollo de metodología y herramientas IA para obtener modelos predictivos de probabilidad de complicaciones de tejido sano (en RT, aplicables a PT) basados en datos específicos de los pacientes. </p><p>El objetivo de este proyecto es desarrollar una metodología objetiva para seleccionar dentro de un grupo de pacientes a los que tengan más probabilidad de beneficiarse de la terapia de protones, y obtener una herramienta de apoyo a la toma de decisiones de medicina de precisión personalizada, de forma rápida, de fácil implementación en la práctica clínica y exportable.</p><p>Un objetivo secundario es determinar el mínimo de variables clínicas, y relacionadas con el paciente, que sean significativas para la decisión de selección del tipo de tratamiento.</p><p>La hipótesis de trabajo es que es posible entrenar un modelo de aprendizaje automático basado en características específicas de la enfermedad en un grupo de pacientes, que pueda predecir qué pacientes pueden beneficiarse más de la radioterapia con protones. </p><p>Pretendemos aportar evidencias de que para la optimización del proceso de RT/PT es posible la estratificación de pacientes basada en herramientas de IA y en los sistemas de historias clínicas digitales disponibles en la actualidad.</p> - PI24/00795 - Manuel Mucientes Molina, Alberto José Bugarín Diz
projects_es