Tartaglia és un projecte pioner format per un consorci en col·laboració públic-privada de 16 entitats, entre les quals es troba el Vall d’Hebron Institut de Recerca (VHIR). Finançat amb prop de 8 milions d’euros pel Ministeri d’Assumptes Econòmics i Transformació Digital amb fons del Pla de Recuperació, Resiliència i Transformació (Next Generation). El projecte té com a objectiu global la creació d’una xarxa federada que mitjançant l’ús d’intel·ligència artificial permet millorar la recerca clínica en el nostre país.

Precisament, en commemoració del Dia Mundial del Càncer de Pròstata, destaquem el paquet de treball 4: Diagnòstic precoç del càncer de pròstata clínicament significatiu mitjançant Intel·ligència Artificial. Aquest paquet de treball el componen tres socis clínics: el VHIR, com a coordinadors d'aquest paquet de treball, la Fundació per al Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana (FISABIO) i l'Agència Gallega de Coneixement en Salut (ACIS /SERGAS). A més a més, compta amb quatre socis tècnics: Barcelona Supercomputing Center (BSC), Veratech, Opinno i GMV, coordinador global del projecte.

Els principals objectius d'aquest paquet de treball es basen a millorar el diagnòstic precoç de la neoplàsia prostàtica a través de la generació d'algoritmes d'intel·ligència artificial que permetin millorar la pràctica clínica. El projecte se centra en l’anàlisi d’imatges de ressonància magnètica i anatomia patològica digitalitzades i en la integració de l’anàlisi de diverses variables clíniques que permetin millorar la predicció d’aparició o no de càncer de pròstata clínicament significatiu. Tot això en conjunt permetrà millorar la predicció i personalitzar el risc de patir o no càncer de pròstata i poder així fer una medicina personalitzada de qualitat.

En particular, es busca desenvolupar algoritmes d'IA que puguin aplicar-se a una xarxa federada per a l'anàlisi d'imatges de ressonància magnètica i anatomia patològica digitalitzades. A més, es pretén integrar a l'anàlisi diverses variables clíniques per tal de millorar la predicció de l'aparició o no de càncer de pròstata clínicament significatiu. La implementació de xarxes neuronals en aquest projecte permetrà el processament eficient de grans volums de dades mèdiques, cosa que facilitarà la detecció primerenca i precisa del càncer de pròstata. Aquestes xarxes neuronals podran aprendre patrons complexos i subtils presents a les imatges de ressonància magnètica i anatomia patològica, així com a les variables clíniques. A mesura que la xarxa neuronal s'entrena amb més dades, s'espera que millori la seva capacitat de predicció. La utilització d’una xarxa federada és especialment rellevant en aquest context, ja que permet la col·laboració entre múltiples centres mèdics sense haver de compartir directament les dades dels pacients. Cada centre pot entrenar la pròpia xarxa neuronal utilitzant les seves pròpies dades, i després compartir els coneixements apresos amb la xarxa federada. Això garanteix la privadesa de les dades i fomenta la col·laboració en el desenvolupament d'algoritmes d'IA més efectius.

El paquet de treball es basa en la utilització de variables clíniques, la segmentació d'imatges de ressonància magnètica i l'anatomia patològica per generar un algoritme que permeti millorar el diagnòstic del càncer de pròstata clínicament significatiu.

En el cas de les variables clíniques, s'integra el valor de diferents variables clíniques usades a la pràctica clínica per al diagnòstic de càncer de pròstata com són els nivells d'antigen prostàtic a la sang, tenir o no antecedents familiars o l'edat en el moment de la biòpsia entre altres.

En el cas de la segmentació d'imatges de ressonància magnètica, l'objectiu és desenvolupar algoritmes d'intel·ligència artificial que puguin identificar i delimitar de manera precisa les regions d'interès a la pròstata. La segmentació és un pas fonamental per analitzar i quantificar diferents característiques i patrons en les imatges de ressonància magnètica, cosa que pot ajudar a detectar anomalies i possibles tumors a la pròstata.

Pel que fa a la segmentació de l'anatomia patològica, es busca desenvolupar algoritmes que permetin identificar i classificar les característiques microscòpiques dels teixits prostàtics, cosa que és essencial per determinar si hi ha presència de càncer. La digitalització de les mostres d'anatomia patològica permet analitzar-les mitjançant algoritmes d'intel·ligència artificial, cosa que pot agilitzar i millorar el procés de diagnòstic.

Combinant l'anàlisi d'imatges de ressonància magnètica, la segmentació de l'anatomia patològica i la integració de variables clíniques, es pretén obtenir un model d'intel·ligència artificial que sigui capaç de predir de manera precisa la presència de càncer de pròstata clínicament significatiu. Això permetria un diagnòstic més aviat i precís, cosa que facilitaria l'aplicació de tractaments personalitzats i millorar l'atenció mèdica per als pacients.

És fonamental destacar la importància de fer proves regulars per detectar i prevenir el càncer de pròstata. Detectar-ho en etapes primerenques pot marcar la diferència en el pronòstic i el tractament. La prevenció i la cura de la salut són essencials per mantenir una vida plena i activa.

El projecte Tartaglia es troba a l'avantguarda de la investigació clínica al camp del càncer de pròstata i demostra el potencial de la intel·ligència artificial per millorar la pràctica mèdica i avançar en el diagnòstic i tractament de malalties.

TARTAGLIA està emmarcat dins el programa Missions de R+D en Intel·ligència Artificial de l'Agenda Espanya Digital 2025 i de l'Estratègia Nacional d'Intel·ligència Artificial, finançat per la Unió Europea a través dels fons Next GenerationEU. Les accions realitzades es reportaran al Ministeri d'Assumptes Econòmics i Transformació Digital (nº expedient MIA.2021.M02.0005), corresponent als fons del Pla de Recuperació, Transformació i Resiliència.