Adrián Mosquera, de 31 años, es médico especialista en Hematología y Hemoterapia en el Hospital Clínico Universitario de Santiago (CHUS) y coordinador del grupo de investigación de oncohematología asociado al Servicio de Hematología. Mutualista de PSN, actualmente lidera el proyecto de investigación Adianthe, basado en extraer grandes cantidades de datos moleculares y clínicos de pacientes para generar modelos de inteligencia artificial que obtengan predicciones de supervivencia y respuesta a tratamientos de una forma totalmente personalizada. El objetivo es maximizar la probabilidad de curar o prolongar la supervivencia libre de enfermedad de los pacientes y ahorrar recursos al sistema sanitario. Millones de pacientes en todo el mundo podrían beneficiarse del avance de un proyecto actualmente sometido al apoyo financiero externo (crowdfunding) a través de la iniciativa ‘La carrera que nunca para: kms de vida por la investigación’.
¿Cómo nació el proyecto Adianthe?
En el Servicio de Hematología del CHUS llevamos varios años trabajando en el análisis masivo de datos genómicos de pacientes con neoplasias hematológicas. Con el avance de nuestras investigaciones y las de otros equipos en este campo nos hemos dado cuenta de que la gran cantidad de información que genera la medicina actual sobre cada paciente se puede utilizar para mejorar la forma en que establecemos pronósticos y decidimos los tratamientos en medicina, es decir, que la experiencia acumulada en el tratamiento de cientos o miles de pacientes a lo largo de los años sirva para mejorar la forma en la que tratemos a cada nuevo paciente. Con la idea de exportar este modelo de avance científico a todas las neoplasias hematológicos nace el proyecto ADIANTHE, acrónimo de Aplicación y Desarrollo de la Inteligencia Artificial en Tumores Hematológicos.
¿En qué se basa?
El proyecto ADIANTHE se basa en extraer grandes cantidades de datos moleculares y clínicos de pacientes tratados en nuestro medio para generar modelos de inteligencia artificial con el objetivo de generar predicciones de supervivencia y respuesta a tratamientos de una forma totalmente personalizada. Estos modelos posteriormente servirán para establecer predicciones a la carta para cada nuevo paciente con una neoplasia hematológica.
¿Cuáles son los objetivos que pretende?
Los objetivos radican principalmente en mejorar la forma en que tratamos las enfermedades hematológicas de forma que pasemos a un escenario totalmente personalizado. Es decir, anticipar cuál va a ser el comportamiento de cada enfermedad en cada paciente para así poder seleccionar el tratamiento más adecuado para el mismo.
¿Qué relevancia médica y social puede tener en caso de alcanzarlos?
Desde el punto de vista médico nos permitirá optimizar los recursos del sistema sanitario, de forma que pudiendo dar el mejor tratamiento a cada paciente podamos maximizar la probabilidad de curar o prolongar la supervivencia libre de enfermedad de los pacientes y se ahorren recursos al sistema sanitario. Asimismo, también permitirá seleccionar mejor a pacientes para terapias innovadoras en fases precoces, como es el caso de ensayos clínicos. Desde el punto de vista social, permitirá maximizar las posibilidades de supervivencia de cada paciente y minimizar la toxicidad acumulada derivada del uso de múltiples tratamientos inefectivos antes de dar con el más adecuado. Es decir, la inteligencia artificial en este punto nos permitirá dar más años de vida y más años de calidad de vida.