a

El proyecto Panakeia es una herramienta basada en Inteligencia Artificial que puede ayudar a la investigación de enfermedades y alertar sobre el desarrollo del cáncer de mama y anticipar posibles complicaciones.

Panakeia es un sistema de información que ha desarrollado herramientas de ayuda para el ámbito sanitario basadas en modelos de Inteligencia Artificial (IA). Ha sido desarrollaro por el ITI,  un Centro Tecnológico privado dedicado a la Investigación, Desarrollo e Innovación en Tecnologías de la Información y las Comunicaciones (TIC), perteneciente a la Red de Institutos Tecnológicos de la Comunidad Valenciana (REDIT) y a la Federación Española de Centros Tecnológicos (FEDIT).

Esta herramienta cuenta con dos aplicaciones software que se ajustan a dos tipologías diferentes: una que facilita el uso de modelos IA cuando la información de entrada se compone exclusivamente de datos tabulares y otra que ofrece funcionalidad para el tratamiento de información que nos llega en forma de imagen y sobre la que también nos interesa aplicar modelos IA. Ambas herramientas se ofrecen en diversos formatos de integración, para facilitar su incorporación en la infraestructura hospitalaria.

Por lo que se refiere a las enfermedades investigadas mediante IA, desde el ITI indican que se pretende profundizar en la comprensión de tres ámbitos de aplicación: para evitar reingresos hospitalarios no programados; alertar sobre el potencial desarrollo de un cáncer de mama y anticipar las complicaciones que podrían aparecer si se administra un tratamiento de inducción a un paciente de leucemia.

MachineLearning

PANAKEIA quiere aportar un valor adicional y facilitará el trabajo de los equipos sanitarios. Con este objetivo, el trabajo actual se va a centra en perfeccionar los servicios del software a través de técnicas de Aprendizaje Automático (MachineLearning). Así, se consolidará la metodología de adaptación de datos sanitarios y habrá un  flujo de trabajo común entre equipos médicos y analistas de datos para intercambiar, entender y transformar los datos sanitarios para su uso mediante técnicas de Machine Learning. 

Al producir modelos predictivos para diferentes tareas, se identificarán, el reingreso en menos de 30 días, riesgo de complicaciones para pacientes con leucemia mieloide aguda o la detección de áreas de interés en mamografías digitales y la estimación del riesgo de padecer cáncer de mama.