Descripción del proyecto
El cáncer de páncreas (CaP) es una de las neoplasias más agresivas y con peor pronóstico. Es la 4ª causa de muerte por cáncer y se prevé que sea la 2ª en 2030. En esta enfermedad, la cirugía es la única esperanza de supervivencia a 5 años, pero sólo se realiza en el 20% de los pacientes, ya que el resto presenta enfermedad localmente avanzada o metastásica en el momento del diagnóstico. Por ello, el diagnóstico precoz es clave para mejorar la supervivencia de los pacientes. Se necesitan urgentemente pruebas para detectar el CaP en estadios I y II, así como para identificar y diferenciar las neoplasias quísticas mucinosas, que son las que tienen mayor potencial de malignización, de las neoplasias serosas benignas, para evitar cirugías innecesarias.Actualmente el diagnóstico se realiza mediante técnicas de imagen, principalmente mediante tomografía computarizada, existiendo otras técnicas como la ultrasonografía endoscópica y la resonancia magnética. Todas ellas tienen la limitación de no detectar lesiones pequeñas. En el diagnóstico por imagen también es crítico poder diferenciar lesiones malignas de procesos inflamatorios o lesiones benignas.Ante esta clara necesidad clínica en CaP, AI-Early PanC presenta un reto tecnológico altamente innovador y novedoso basado en un test de biopsia líquida que se está desarrollando como un análisis de sangre basado en marcadores moleculares, miRNAs y mutaciones, y que además buscará desarrollar algoritmos basados en Inteligencia Artificial (IA) y análisis masivo de datos, con el fin de desarrollar herramientas innovadoras de diagnóstico precoz, combinando factores de riesgo identificados a partir de la Historia Clínica Electrónica (HCE) del paciente, hallazgos radiológicos (imagen) y biomarcadores en un único algoritmo combinado para identificar focos de malignidad en estadios tempranos y facilitar la detección precoz del CaP.AI-Early PanC, está compuesto por 2 empresas y cuatro hospitales de referencia. Estos últimos serán responsables, entre otras tareas, del reclutamiento de pacientes y procesamiento de muestras de plasma y con equipos de la Unidad de Sistema de Datos, que se encargará de la extracción de los datos e imágenes de las historias clínicas. La consultora GFT-IT cuenta con una sólida experiencia en Big Data y análisis radiómico, y en estrecha colaboración con las Unidades de Datos del Hospital realizará la anonimización, normalización, procesamiento y análisis de los datos y las imágenes. Se espera que el proyecto AI-Early PanC proporcione una solución novedosa para (i) detectar el CaP en estadios muy tempranos (ii) clasificar correctamente las lesiones quísticas pancreáticas y, (iii) anticipar el desarrollo de malignidad en lesiones mucinosas y (iv) discernir de patologías como la pancreatitis crónica (PC). Por tanto, el proyecto tendrá un gran impacto tanto a nivel sanitario como socioeconómico ya que mejorará la prevención del CaP y su pronóstico mediante procedimientos de diagnóstico más eficientes y precisos, lo que impactará positivamente en la supervivencia de los pacientes con CaP y salvará millones de vidas en todo el mundo. Además, el diagnóstico avanzado (incluso antes de que se desarrolle el cáncer) mediante una herramienta de diagnóstico eficaz mejorará drásticamente la calidad de vida de los pacientes y sus familias al reducir los cambios físicos y psicológicos asociados a la enfermedad.AI-Early PanC pretende desarrollar un test basado en sangre para la detección precoz del CaP que resuelva las necesidades actuales en el CaP: confirmación diagnóstica, detección precoz del CaP en estadios tempranos cuando aún es operable, detección y estratificación del riesgo de malignidad en lesiones quísticas mucinosas y diagnóstico diferencial con otras patologías con síntomas similares. Será una prueba multimodal integrada realizada por inteligencia artificial basada en biomarcadores moleculares, datos de la Historia Clínica Electrónica y de la prueba de imagen. ESTANDARES DE REPORTE CIENTIFICO\METAANALISIS\REVISIONES SISTEMATICAS\INTERVENCIONES COMPLEJAS