miércoles, 29 de junio de 2011

Un nuevo sistema bioinformático mejora el diagnóstico médico

Combina de manera eficiente datos clínicos tradicionales y datos genéticos, obtenidos con la tecnología de Microarrays de ADN
Investigadores de la Facultad de Informática de la Universidad Politécnica de Madrid han desarrollado un algoritmo (CliDaPa) que mejora el diagnóstico y pronóstico de muchas enfermedades, gracias a una combinación eficiente de datos clínicos tradicionales y datos genéticos, obtenidos con la tecnología de Microarrays de ADN. El método ha demostrado ya su validez en el análisis de cáncer de mama, de cáncer de pulmón y de meduloblastomas. Los resultados obtenidos con este sistema, comparados con distintos estudios de la literatura científica, han demostrado su superioridad con respecto a otras técnicas tradicionales.

Nuevo enfoque
CliDaPa es un método diferente de análisis de Microarrays de ADN que tiene la finalidad de generar un modelo que represente los distintos comportamientos de pacientes (extraídos a partir de los datos clínicos), que serán estudiados de forma separada y específica mediante minería de datos. En el desarrollo de la investigación se propusieron asimismo nuevos métodos de aprendizaje.
Toda esta investigación se ha ido dando a conocer en publicaciones en revistas y congresos internacionales de gran relevancia, como en ACM Digital Library. Asimismo, CliDaPa fue presentado en el la VIII Competición de Creación de Empresas UPM, en el que fue galardonado con un accésit.
Algoritmo con futuro
Entre las aplicaciones actuales de este algoritmo, en el dominio biomédico destaca su utilización dentro del contexto del proyecto Cajal Blue Brain, y en el estudio comparativo de datos clínicos con factores provenientes de pruebas complementarias en la diagnosis y evolución de enfermedades neurodegenerativas.
Actualmente, el equipo de investigación colabora con el Hospital de la Paz para continuar con las investigaciones en el dominio de la oncología, así como para explorar nuevas alternativas de representación de datos farmacogenómicos a través del uso de la visualización, aplicando novedosas técnicas de Realidad Virtual.
El objetivo es asesorar al experto médico acerca del comportamiento de una enfermedad específica, a partir de los diferentes perfiles de los pacientes. El uso de esta técnica visual, en conjunto con la experiencia previa del experto, ayudará a realizar un posible diagnóstico o tratamiento de una enfermedad de manera más efectiva y rápida de lo que puede hacerse con las técnicas actuales.