Computación traslacional en cardiología

Problema

Las enfermedades cardiovasculares siguen siendo la primera causa de muerte y de pérdida de calidad de vida. Aunque la prevención y el tratamiento han retrasado los síntomas y mejorado la esperanza de vida, todavía hay muchos pacientes que precisan un seguimiento detallado y un tratamiento a posteriori.

Para poder tratar correctamente a estos pacientes crónicos es necesaria una evaluación y una comprensión muy detalladas del funcionamiento del corazón. Por este motivo se suele recurrir a las pruebas de imagen, que se deben analizar para obtener información relevante a la hora de tomar una decisión.

Actualmente la oferta de pruebas de imagen y otros datos diagnósticos es muy amplia, por lo que se necesitan herramientas como el procesamiento de imágenes, el modelado computacional y el aprendizaje automático para que los médicos puedan digerir toda esta información y tomar la mejor decisión terapéutica.

Aproximación

El objetivo del grupo es investigar y desarrollar herramientas informáticas para entender mejor cómo funciona el corazón de una persona y, así, poder mejorar el diagnóstico, el pronóstico y el tratamiento de la enfermedad cardiovascular que sufre. Para ello el grupo lleva a cabo una aproximación multidisciplinar, en la que se combinan la ingeniería biomédica, la física, la matemática, la investigación básica y la práctica clínica, para compaginar la ciencia teórica y tecnológica con el conocimiento clínico y fisiológico.

El grupo combina imágenes médicas con modelos computacionales que representan detalles relevantes de cómo funciona el corazón y conocimiento sobre el tratamiento. Además, la gran cantidad de información disponible de un único individuo y de grupos de pacientes, gracias a la práctica asistencial y a los ensayos clínicos, se puede integrar de forma comprensible utilizando la inteligencia artificial y el aprendizaje automático.

Impacto

La Cardiología moderna se basa en la evaluación detallada de imágenes sobre la estructura y la función del corazón a la hora de elegir medidas preventivas, medicamentos, widgets o tratamientos quirúrgicos personalizados. Existe una gran cantidad de datos al alcance de la práctica clínica, pero no es fácil conseguir una representación consistente del corazón de cada individuo. Es un reto.

Elegir el mejor tratamiento personalizado es clave y también una necesidad para mejorar la comprensión de las enfermedades cardiovasculares y conocer qué impacto tienen entre los distintos grupos de personas.

El objetivo del grupo es proporcionar varias aproximaciones informáticas que faciliten la integración y la comprensión de los datos, para las personas y para el conjunto de la población. El método del grupo incluye análisis e interpretación de las imágenes, aprendizaje automático para la integración de los datos y toma de decisiones así como herramientas para obtener mejores datos y más específicos.