Descripción del proyecto
LA MEDICINA PERSONALIZADA ES UNA TENDENCIA ACTUAL PARA DISEÑAR PLANES DE SALUD ADAPTADOS A CADA PACIENTE PARA PROPORCIONAR UN MEJOR DIAGNOSTICO, FACILITAR LA INTERVENCION TEMPRANA O UN TRATAMIENTO Y SEGUIMIENTO MAS EFICIENTES, ACTUALMENTE, LAS IMAGENES MEDICAS NO INVASIVAS, COMO LAS IMAGENES POR RESONANCIA MAGNETICA (MRI), LA TOMOGRAFIA COMPUTARIZADA (CT) Y LA TOMOGRAFIA POR EMISION DE POSITRONES (PET) SE USAN DE MANERA RUTINARIA PARA EVALUAR LAS CARACTERISTICAS DEL TUMOR Y DEL TEJIDO ANATOMICO PARA EL TRATAMIENTO DEL CANCER,ADEMAS, LAS IMAGENES PUEDEN PROPORCIONAR INFORMACION VALIOSA PARA LA MEDICINA PERSONALIZADA AL OFRECER HERRAMIENTAS PREDICTIVAS PARA EVALUAR LOS RIESGOS PARA LA SALUD, FAVORECIENDO EL DISEÑO DE PLANES DE SALUD PERSONALIZADOS PARA AYUDAR A LOS PACIENTES A MITIGAR LOS RIESGOS, PREVENIR ENFERMEDADES Y TRATARLAS, LAS CARACTERISTICAS DE LAS IMAGENES A MENUDO SON EVALUADAS VISUALMENTE Y DESCRITAS CUALITATIVAMENTE POR RADIOLOGOS O MEDICOS DE MEDICINA NUCLEAR,SIN EMBARGO, ESTAS EVALUACIONES VISUALES ADOLECEN DE UNA GRAN VARIABILIDAD INTRA E INTER-OBSERVADOR, POR LO TANTO, ES IMPORTANTE CUANTIFICAR OBJETIVA Y REPRODUCIBLEMENTE VARIAS CARACTERISTICAS CLAVE QUE PUEDAN REVELAR LA BIOLOGIA SUBYACENTE DE LOS TUMORES, LA CAPACIDAD DE LAS HERRAMIENTAS DE APRENDIZAJE AUTOMATICO PARA DETECTAR CARACTERISTICAS CLAVE DE CONJUNTOS DE DATOS COMPLEJOS ES IMPORTANTE, UNA VARIEDAD DE ESTAS TECNICAS, INCLUIDAS LAS REDES NEURONALES, LAS REDES BAYESIANAS, LAS MAQUINAS DE VECTORES DE SOPORTE Y LOS ARBOLES DE DECISION, ASI COMO EL APRENDIZAJE PROFUNDO, SE HAN APLICADO AMPLIAMENTE EN LA INVESTIGACION DEL CANCER PARA EL DESARROLLO DE MODELOS PREDICTIVOS, LO QUE RESULTA EN UNA TOMA DE DECISIONES EFECTIVA Y PRECISA, AUNQUE ES EVIDENTE QUE EL USO DE METODOS DE MACHINE LEARNING (ML) PUEDE MEJORAR NUESTRA COMPRENSION DEL DIAGNOSTICO Y LA PROGRESION DEL CANCER, SE NECESITA UN NIVEL ADECUADO DE VALIDACION PARA QUE ESTOS METODOS SE CONSIDEREN EN LA PRACTICA CLINICA DIARIA,EN ESTA LINEA, EL PROYECTO RADIOCANCERS TIENE COMO OBJETIVO EL ANALISIS PERSONALIZADO Y EL TRATAMIENTO DEL CANCER MEDIANTE EL DESARROLLO DE NUEVAS TECNICAS DE RADIOMICA Y COMPUTACION PARA DIFERENTES MODALIDADES DE IMAGENES Y ANALISIS DE DATOS BASADOS EN TECNICAS DE ML, EL OBJETIVO FINAL ES MEJORAR LA EFECTIVIDAD DE LOS METODOS ACTUALES PARA LA PREDICCION DE LA RESPUESTA AL TRATAMIENTO Y LOS RESULTADOS, LA ESTADIFICACION DEL TUMOR Y LA IDENTIFICACION DEL TEJIDO, EN CONCLUSION, UNA EVALUACION PERSONALIZADA, RAPIDA Y PRECISA DE LA RADIOMICA OBTENIDA DE DIFERENTES MODALIDADES DE IMAGEN PROPORCIONARA UNA EVALUACION MEJORADA PARA EL MANEJO Y TRATAMIENTO POSTERIOR DE LOS PACIENTES,EL PROYECTO RADIOCANCERS DESARROLLARA METODOS DE RECONOCIMIENTO DE PATRONES Y VISION POR COMPUTADOR PARA LA PREPARACION DE UN MODELO GENERAL DE APRENDIZAJE AUTOMATICO QUE SERA CAPAZ DE EXTRAER NUEVAS CARACTERISTICAS DE RADIOMICA QUE CONTRIBUYAN INDIVIDUALMENTE A LA EVALUACION ESTANDARIZADA DE TUMORES, ADEMAS, DISEÑARA METODOS PARA MODELAR DATOS DE REGISTROS DE SALUD CLINICOS DE PACIENTES (POR EJEMPLO, GENETICA DEL CANCER Y DATOS DE ANALISIS DE SANGRE) UTILIZANDO LA EXTRACCION DE DATOS, LA REPRESENTACION DEL CONOCIMIENTO, EL RAZONAMIENTO APROXIMADO Y LOS SISTEMAS DE AYUDA A LA DECISION, FINALMENTE, INTEGRAREMOS LOS RESULTADOS DE RADIOMICA CON LOS DE LOS MODELOS DE REGISTROS ELECTRONICOS DE SALUD EN UNA PLATAFORMA PARA MEJORAR LA CUANTIFICACION DE LOS CANCERES, RADIOMICA\CANCER\RESONANCIA MAGNETICA\TOMOGRAFIA COMPUTARIZADA\MAMOGRAFIA\PET\REGISTROS CLINICOS DE SALUD\VISION POR COMPUTADOR\APRENDIZAJE AUTOMATICO