UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE CIENCIAS ECONÓMICAS
CARRERA DE ESTADÍSTICA
FINANZAS BÁSICAS
TEMA: LOS ALGORTIMOS PUEDEN SALVAR VIDAS
CUARTO SEMESTRE
Nombre:
María Carmen Andrade Bustamante
Valeria Lisbeth Carpio Zaquinaula
Henry Muzo
Kevin Zhapan
Aula 40
QUITO - ECUADOR
2019-2019
LOS ALGORTIMOS PUEDEN SALVAR VIDAS
Algoritmos matemáticos pueden atacar el metabolismo del cáncer
Un grupo de investigadores del Centro de Ingeniería Biomédica de la Universidad de Navarra
-compuesto por ingenieros de Tecnun y CEIT-IK4 y por científicos del CIMA y Clínica
Universidad de Navarra- ha desarrollado un conjunto de algoritmos matemáticos que permiten
localizar vulnerabilidades del metabolismo de los tumores que, al ser atajadas, impedirían que
las células malignas siguieran desarrollándose. Así lo ha recogido un artículo publicado hoy en
la revista Nature Communications.
Tal y como explica Iñigo Apaolaza, primer autor e investigador de Tecnun, “las células
tumorales necesitan una serie de compuestos para crecer y sobrevivir. Para fabricarlos, sus
genes forman redes metabólicas, muy similares a las redes de carreteras que utilizamos cada
día. Lo que hemos logrado con nuestros algoritmos y métodos matemáticos es identificar qué
genes son imprescindibles para que una célula tumoral produzca estos compuestos y, por lo
tanto, sobreviva. Como en las redes de carreteras, puede haber tramos redundantes y otros de
obligado paso, absolutamente imprescindibles. El reto es localizar estos últimos para
eliminarlos y así imposibilitar a la célula la fabricación de los compuestos esenciales para su
supervivencia”.
“Este algoritmo”, continúa el Dr. Felipe Prósper, investigador principal del grupo de CIMA y
codirector de Hematología y del Área de Terapia Celular de la Clínica Universidad de Navarra,
“se ha aplicado a un tipo específico de cáncer, que es el mieloma múltiple -incurable
actualmente- como forma de validar que la estrategia funciona”. La validación ha consistido en
una serie de pruebas in vitro, a cargo del grupo del CIMA, sobre una proteína, RRM1, que el
algoritmo señaló como esencial en el desarrollo de mieloma múltiple. “Utilizando muestras de
mieloma se ha podido confirmar en el 100% de los casos la capacidad predictiva del algoritmo
para identificar si RRM1 es esencial o no para el tumor”, añade el Dr. Felipe Prósper,
investigador de IdiSNA y del Centro de Investigación Biomédica en Red en Cáncer
(CIBERONC).
Nuevas dianas terapéuticas contra el cáncer
“Se trata de una herramienta aplicable a cualquier tumor. A partir de los resultados obtenidos,
se podrán desarrollar nuevos fármacos o reutilizar medicamentos ya existentes para atacar la
enfermedad”, enfatiza Francisco J. Planes, profesor de la Escuela de Ingenieros Tecnun e
investigador principal del trabajo. “Además”, añade, “no sólo hemos dado con vulnerabilidades
metabólicas para el crecimiento del tumor, sino que identificamos una lista de genes cuya
actividad nos permite predecir qué pacientes podrían responder positivamente al tratamiento,
en el marco de una medicina personalizada”.
Hoy se ha publicado el artículo del proyecto -que se desarrolla desde 2012 impulsado desde el
Centro de Ingeniería Biomédica de la Universidad de Navarra- y que también compara este
algoritmo con otros diseñados por grupos de Tel Aviv University (Israel) o UC San Diego (EE.
UU.), entre otros. Todos ellos integrados, al igual que este equipo, por médicos e ingenieros:
“Comparativamente nuestro algoritmo tiene un mejor comportamiento respecto a los
desarrollados por estos centros y añade un enfoque diferente”, afirma Francisco J. Planes.
Los siguientes pasos que dará este grupo de científicos se centrarán en la aplicación del
algoritmo a otro tipo de tumores –ya están desarrollando un proyecto con CIC bioGUNE en
cáncer de próstata y mama resistente a terapia endocrina-, en la mejora de la propia herramienta
y en la ampliación de la validación experimental preclínica de RRM1. Para ello cuentan con la
cofinanciación del Ministerio de Economía, Industria y Competitividad (MINECO) y Gobierno
Vasco. (Juampérez, 2017)
Así salvaràn la vida los algoritmos
La idea es sencilla, aunque su desarrollo es extremadamente complejo: se trata de utilizar
herramientas matemáticas para describir y entender el cáncer, y poder mejorar los tratamientos
existentes, así como crear nuevos. Para ello, en el MôLAB utilizan modelización matemática,
que simula desde cómo crece un tumor hasta qué efecto tiene sobre un paciente una determinada
terapia, y matemáticas aplicadas: ecuaciones diferenciales, métodos numéricos, optimización y
estadística, entre otras.
El cáncer no es una sola enfermedad, sino cientos, y abordar el estudio de cada uno de
sus tipos resulta una tarea casi infinita
El problema es que el cáncer no es una sola enfermedad, sino cientos, y abordar el estudio de
cada uno de sus tipos resulta una tarea casi infinita. Las matemáticas pueden ayudar a acotarla.
Con una gran cantidad de publicaciones científicas a sus espaldas, Pérez y su equipo, formado
por cuatro profesores del departamento de Matemáticas de la UCLM, doctorandos, becarios
posdoctorales, y estudiantes de grado y máster que realizan sus trabajos finales, tienen varias
líneas de investigación abiertas para lograr esa titánica meta.
Curar el cerebro devanándose los sesos
'Glioblastoma' es una palabra que es mejor no escuchar jamás. Se trata del tipo de tumor cerebral
primario más frecuente, y también del más agresivo, pues tiene la tendencia de volver a
generarse incluso cuando los cirujanos han extirpado toda la superficie tumoral visible. Este
tipo de intervención es muy invasiva, y retirar demasiado tejido cerebral puede causarle al
paciente un daño muy serio. Si ni la cirugía, ni la quimioterapia, ni la radioterapia pueden parar
este tipo de cáncer, y su índice de supervivencia es muy bajo, ¿qué hacemos?
La propuesta del MôLAB es definir un protocolo sobre cómo actuar para que la cirugía sea,
dentro de lo que cabe, óptima. "Gracias a modelos matemáticos y técnicas estadísticas, nos
dimos cuenta de que, en los glioblastomas que presentan un aspecto muy irregular, es muy
difícil conseguir la recesión, sin importar cuánto tejido tumoral quites; mientras que, en los más
redonditos, cuanto más pueda eliminar el cirujano mejor", explica Pérez. Para poder establecer
un criterio, "hemos medido parámetros geométricos de la superficie utilizando resonancias de
los pacientes en alta resolución, reconstruido la superficie de los tumores en 3D, y calculado un
parámetro para la regularidad: cociente entre el área que tiene el tumor y el área que tendría si
fuera una esfera", detalla el investigador. El resultado, que va a ser publicado en 'Radiology' en
breve, clasifica los tumores según su irregularidad, y puede serle útil a los neurocirujanos para
decidir si deben ser o no más agresivos con un tumor.
Las matemáticas pueden ser útiles a los neurocirujanos para decidir si deben ser o no más
agresivos con un tumor
Análogamente, en un estudio en colaboración con el Instituto Valenciano de Oncología, quieren
encontrar un razonamiento parecido para entender la metástasis cerebral, un tipo de tumor
cerebral secundario causado por otro cáncer (sobre todo de pulmón o de mama) que se extiende
al cerebro, y que suele tratarse con radiocirugía. "A partir de modelos evolutivos que ilustran
el crecimiento de los tumores basados en ecuaciones diferenciales ordinarias y ecuaciones en
derivadas parciales, y con estudios estadísticos, nos hacemos varias preguntas: cuál será la
superficie óptima para radiar; si la regularidad del tumor influye; cuánto se deben espaciar las
dosis; si ya es tarde para que la terapia funcione, o si el tumor va a avanzar muy lento y se debe
tratar", dice Pérez.
Hay una clara ventaja en esta modelización: si funciona, permite averiguar, sin necesidad de
experimentos clínicos, mucha información sobre la terapia. En medicina, utilizar el método de
ensayo y error para buscar la mejor forma de hacer algo implica realizar pruebas al paciente
administrándole diferentes dosis hasta ver a cuál reacciona mejor. En cambio, optimizando con
un modelo matemático, se pueden adivinar pautas para saber cuál es el mejor tratamiento sin
experimentar. Esto no sólo mejora la situación del paciente, sino que también optimiza los
recursos económicos y materiales, y puede extrapolarse a otras áreas.
Refinería de datos tumorales
La leucemia es el cáncer infantil más frecuente y, aunque se ha avanzado mucho en su
tratamiento y se curan aproximadamente un 80% de estos tumores, el porcentaje restante no
tiene una segunda oportunidad. "Los médicos necesitan saber qué pasa con ese 20%, por qué el
tratamiento no ha funcionado en esos niños", dice Pérez. "Los pacientes de leucemia infantil se
clasifican en grupos de riesgo y, según el pronóstico, se trata de una manera u otra, o incluso se
considera el trasplante de médula", explica. Estas terapias son muy agresivas y el trasplante es
demasiado peligroso, por lo que no es una decisión que pueda tomarse a la ligera. "Puede que
en ese 20% la elección del tratamiento no fuera la correcta".
En su búsqueda incansable de respuestas, en el MôLAB están investigando modelos
matemáticos evolutivos para intentar predecir el comportamiento del tumor y explotar el
petróleo del siglo XXI: los datos. “En leucemias se tiene una cantidad inmensa de información
de los pacientes. Por ejemplo, con la técnica de la citometría de flujo, cada mes se toman datos
de un millón de células del afectado y se las caracteriza con ocho marcadores. Así se obtiene
una nube de datos temporal valiosísima”, detalla el investigador. Cuando esta información está
refinada, puede dar estimaciones sobre recaídas y sobre el éxito del tratamiento.
Para investigar los tumores cerebrales, analizan imágenes de resonancias de pacientes afectados, y
buscan patrones con técnicas matemáticas (P.R)
Cuando medicina y matemáticas comparten idioma
"Hay un tema clave: hablar el mismo lenguaje", sintetiza el investigador. Para ello, Pérez cree
que, en la investigación multidisciplinar, el primer papel del matemático es ser alumno:
comprender la medicina, identificar cuál es el problema que tiene el oncólogo, asimilarlo, y
después pasar a las matemáticas para ofrecerle soluciones que él debe corroborar si le encajan
o no. Para esto es necesaria una comunicación permanente.
Afortunadamente, "hemos encontrado médicos que se han sentado con nosotros a la mesa, y
nos hemos explicado mutuamente nuestra materia durante años", relata. "Cuando compartes un
idioma y un interés común, que es mejorar la vida de los pacientes, los oncólogos te ven como
alguien de los suyos que va en la misma dirección y todo funciona". Hoy en día, tienen más de
50 colaboradores en 10 hospitales.
Otros enfoques con algoritmos y teoría de grafos
Manejar la gran cantidad de factores y de datos que implica el cáncer precisa de modelos a gran
escala, como los que ha desarrollado un grupo de investigadores del Centro de Ingeniería
Biomédica de la Universidad de Navarra (formado por ingenieros de Tecnun y CEIT-IK4, y
por científicos del Centro de Investigación Médica Aplicada y de la Clínica Universidad de
Navarra), que esta semana publicaba en la revista 'Nature Communications' un nuevo enfoque
para atacar la enfermedad: algoritmos matemáticos para identificar vulnerabilidades en el
metabolismo de los tumores, que si son eliminadas pueden impedir que las células malignas
sigan desarrollándose.
Un triste denominador común: la falta de financiación
Hay un factor problemático, muy común en España, que aparece cada vez que el MôLAB quiere
abrir o continuar con una línea de investigación: no hay (suficiente) dinero. Por eso, la mayoría
de las iniciativas del grupo de Pérez no han podido pasar de la fase teórica.
La modelización para la leucemia infantil es esperanzadora, pero "el proyecto está parado
porque necesitamos financiación y una persona a tiempo completo para que empiece a rodar",
explica resignado el matemático. Sobre las metástasis cerebrales, el siguiente paso es
comprobar si los resultados teóricos obtenidos funcionan, comparándolos con los datos del
paciente, y afinar el modelo, y "para ello necesitamos contratar a una persona más".
De momento, hasta 2019, cuentan con una subvención del Ministerio de Economía y
Competitividad y, mínimo hasta 2018, con la ayuda de la Fundación norteamericana James S.
McDonnell, que en 2015 los nombró responsables de la red "Optimización de terapias en
glioblastoma: un enfoque integrativo basado en datos humanos usando modelos matemáticos".
Con estos ingresos están costeando varios estudios, pero una ayuda más grande les dejaría
respirar tranquilos un tiempo; por eso, ahora aspiran a la concesión de un proyecto ERC. "Si
tuviéramos más financiación podríamos hacer muchísimas más cosas y perder menos tiempo
pidiendo aquí y allá, rebañando de aquel departamento o de aquel proyecto. Podríamos
centrarnos sólo en trabajar", indica Pérez.
Toda ayuda es poca cuando se trata de luchar contra el cáncer, pero hay que pasar de la teoría
a la práctica, como hizo la estudiante de doctorado e investigadora del MôLAB Araceli Henares.
"Las matemáticas están en todos los ámbitos de la vida, y en campos como la oncología se
puede ver su verdadera aplicabilidad. Trabajar en este tema codo con codo con médicos,
radioterapeutas, cirujanos y biólogos es un placer", dice la matemática. "Juntos somos capaces
de plantear el problema de forma más global y así buscar alternativas mejores contra la
enfermedad". En la lucha contra el cáncer, cuantos más apoyos, ya sean académicos o
económicos, mejor. (Ruiz Guevara, 2017)
EL ‘MACHINE LEARNING’ EN LA LUCHA CONTRA EL CÁNCER
El cáncer está considerado una de las principales causas de muerte a nivel mundial. En 2015
esta enfermedad ocasionó 8,8 millones de defunciones en todo el mundo. Ante estos datos, no
es de extrañar que cada vez surjan más iniciativas destinadas al descubrimiento de un
tratamiento efectivo contra esta patología. Regina Barzilay, catedrática del MIT y jurado de
los Premios Fronteras del Conocimiento de la Fundación BBVA, descubrió que la mayoría de
los médicos trabajaban principalmente sobre la base de los estudios clínicos, obviando de este
modo la inmensa cantidad de información valiosa que se adquiere recopilando los datos de cada
paciente por separado. Por ello, valiéndose del ‘big data’ y la inteligencia artificial la catedrática
del MIT decidió enseñar a las máquinas leer las anotaciones que los médicos escribían en los
informes patológicos. De este modo podrían trasladar toda esta información a un sistema donde
los datos se mostrasen más accesibles para su reutilización.
Otro ejemplo de cómo se está aplicando la IA en la lucha contra el cáncer es el del
“superordenador” Watson. Esta potente tecnología, amparada bajo la firma IBM, se ocupa de
procesar una cantidad ingente de datos y, ayudado por la inteligencia artificial, generar hipótesis
basadas en evidencias mientras aprende de ellas. De este “superordenador” ha surgido un
pequeño fragmento conocido como Watson Health. Este asistente tecnológico ya ha ayudado
a diagnosticar distintos tipos de cáncer con una probabilidad de acierto del 83%. Además, no
solo ayuda en la diagnosis, sino que también propone tratamientos personalizados para cada
paciente gracias al uso eficiente del ‘big data’.
Por otro lado, el cáncer de piel es otro de los aspectos en los que la IA está jugando un papel
importante. Sebastián Thrun, profesor de inteligencia artificial en la Universidad de Stanford,
en [Link]., ha liderado un proyecto con el objetivo es detectar melanomas de manera más
rápida, precisa y accesible para todo el mundo. Mediante el desarrollo de un algoritmo
inteligente de reconocimiento de imágenes con el apoyo de una base de datos de
aproximadamente 130.000 imágenes de distintos tipos de cáncer de piel, han conseguido
diagnosticar melanomas con la misma fiabilidad que un dermatólogo.
IA al alcance de todos
Sin embargo, la IA no es solo cosa de grandes compañías y universidades. A día de hoy ya
existen aplicaciones que ayudan a detectar enfermedades como la diabetes a disposición de todo
el mundo. Cardiogram, por ejemplo, es una de ellas. Ha sido capaz de detectar casos de diabetes
con una probabilidad de acierto del 85%, todo ello gracias al uso del ‘deep learning’ y los datos
recogidos de 14.000 usuarios del Apple Watch.
Es un hecho que la inteligencia artificial forma parte del presente, sin embargo sus posibles
aplicaciones en un futuro son numerosas y, por ahora, en gran medida inimaginables. Un
estudio realizado en 2013 por investigadores de la Universidad de Indiana y publicado en la
revista ScienceDircet, analizaba los posibles beneficios que podría suponer la aplicación de la
IA y el ‘machine learning’ a la hora de realizar diagnósticos. Las conclusiones a las que llegaron
fueron que, si bien no es posible obviar la necesidad de una inteligencia humana, existe
potencial en cuanto a la integración de estas nuevas tecnologías en el sistema sanitario.
IBM Watson está vinculado al programa de detección de cáncer de piel MoleMap y al Instituto
del melanoma de Australia para enseñar a Watson cómo reconocer lesiones cancerosas.
El principal objetivo es la detección temprana del melanoma, que es del tipo más raro, pero más
mortal de cáncer de piel, que constituye sólo el 2 por ciento de los diagnósticos pero el 75 por
ciento de las muertes por este tipo de cáncer
Hasta el momento se sabe que se ha alimentado la base de IBM
Watson con 41.000 imágenes de melanoma, con notas que
acompañan un historial clínico y con un fabuloso 91 por ciento
de precisión en la detección de cánceres de piel. (Robots,
algoritmos e inteligencia artificial, 2018)
DA VINCI, EL ROBOT QUIRÚRGICO
“El sistema consiste en una plataforma robótica sofisticada y única en el mundo. Está
diseñado y fabricado por la empresa norteamericana Intuitive Surgical y tiene el objetivo de
potenciar las capacidades y habilidades del cirujano, así como de ofrecer una opción
mínimamente invasiva en procedimientos de mayor complejidad quirúrgica. Fue aprobado en
el año 2000 por la Administración de Alimentos y Medicamentos (FDA) de los Estados
Unidos”. (Morente, 2017)
CÓMO FUNCIONA
Da Vinci se compone por una consola de diseño ergonómico para el cirujano, un carro
con cuatro brazos robóticos, un sistema de visualización de alta calidad y los instrumentos
patentados Endo Wrist, que son los propios de una operación quirúrgica, pero adaptados para
fijarse al final de los brazos robóticos e ideados para permitir al profesional mantener su
destreza natural.
En la consola, el cirujano opera sentado cómodamente y con una imagen tridimensional
y ampliada del interior del cuerpo, utiliza los controles maestros para manejar todos los
instrumentos.
El sistema recibe las órdenes en tiempo real, reproduce los movimientos de la mano, la
muñeca y los dedos del cirujano.
Y aunque al da Vinci se le denomina 'robot', no se puede programar ni tampoco puede
tomar decisiones por sí mismo, sino que necesita una orden directa para realizar cada maniobra.
VENTAJAS DEL ROBOT
Las prestaciones del Sistema Quirúrgico Da Vinci tienen claras ventajas para el
paciente: agiliza el proceso de recuperación y de hospitalización, disminuye el dolor y la
pérdida de sangre, y deja menos cicatrices.
USOS CLÍNICOS
Es famoso en el tratamiento del cáncer de próstata y de otras afecciones urológicas, ya
que permite una recuperación más rápida de la continencia urinaria, así como de la función
sexual. No obstante, el robot se puede usar para el tratamiento de diversas patologías. Algunos
de los campos en los que destaca su uso son: ginecología, cirugía general, cirugía oral y
maxilofacial, cirugía pediátrica, cirugía torácica o cirugía cardíaca.
UBICACIÓN
El robot da Vinci se encuentra actualmente en 24 centros hospitalarios, 12 de ellos son
públicos, como el Hospital Universitario Virgen del Rocío (Sevilla), Bellvitge Hospital
Universitari (Barcelona) o el Hospital Clínico San Carlos (Madrid).
Da Vinci es el robot más conocido en los quirófanos del mundo, desde el 2000, lleva
tres millones de operaciones y su intervención estrella es la extracción de próstata realizada en
el Hospital Clínico de San Carlos, en Madrid.
Y aunque su gran inconveniente, tal y como afirma el jefe de servicio de urología de
este hospital, Jesús Moreno Sierra, es el coste del robot, las ventajas superan con creces la
carencia. Por lo tanto, cabe esperar que de aquí a unos años se incremente el número de da
Vinci en los centros hospitalarios. (Morente, 2017)
Otros sistemas similares
Senhance: un robot estadounidense a través del cual el cirujano siente y maneja lo que
ve dentro del paciente moviendo sus ojos. Ha sido comercializado hace poco y, de
momento, solo lo posee un hospital italiano.
Flex: es una especie de serpiente articulada que incorpora una cámara de alta definición
e instrumentos quirúrgicos, capaz de seguir las curvas del organismo.
Broca: surge con necesidad de los hospitales públicos andaluces de obtener un robot
asequible, es considerado el hermano pequeño de Da Vinci. Incorpora la sensación de
tacto, es decir, replica las percepciones que tiene el cirujano al enfrentarse a un tejido
blando o duro.
Referencias
Morente, L. (15 de Abril de 2017). Expansión. Obtenido de
[Link]
VIDEO:
[Link]