Os Premios á Transferencia de Tecnoloxía en Galicia distinguen o proxecto PolyDeep de mellora da detección e clasificación de pólipos colorrectais mediante intelixencia artificial

A Real Academia Galega de Ciencias (RAGC), coa colaboración da Axencia Galega de Innovación (Gain) da Xunta de Galicia, fixo públicos este venres os Premios á Transferencia de Tecnoloxía en Galicia 2022, destinados a recoñecer traballos de investigación aplicada, casos de éxito en transferencia de coñecemento e casos de éxito empresarial de implantación de tecnoloxía. PolyDeep, un sistema de intelixencia artificial desenvolvido desde a Escola Superior de Enxeñaría Informática da Universidade de Vigo e capaz de detectar e clasificar pólipos colorrectais en tempo real, foi distinguido co galardón ao mellor traballo de investigación aplicada.  

Na oitava edición destes galardóns, a entidade recibiu un total de 19 propostas. O seu xurado estivo composto polos membros da RAGC Pilar Bermejo, Alicia Estévez e Fernando Pérez; María José Mariño e Elena Polo, de Gain; Judit Nogueiras, do Igape, e Luis Alfonso Álvarez, da Confederación de Empresarios de Galicia. Os tres traballos distinguidos recibirán un premio de 6000 euros cada un e un diploma acreditativo. Os galardóns entregaranse nun acto que se celebrará o 15 de xuño, ás 19.00 horas, no Pazo de San Roque de Santiago de Compostela.

Unha investigación aplicada

Segundo explican en nota de prensa desde a RAGC, dentro dos Premios á Transferencia de Tecnoloxía en Galicia 2022 o premio Francisco Guitián Ojea a un traballo de investigación aplicada, dirixido a recoñecer a creación, a cargo dun grupo de investigación, dunha tecnoloxía aínda non transferida e da que se deriven claras aplicacións para o desenvolvemento socioeconómico, recaeu no proxecto PolyDeep: sistema intelixente de detección e clasificación en tempo real de lesións colorrectais mediante deep learning. O traballo foi realizado por persoal investigador do Grupo de Investigación SING (Sistemas Informáticos de Nova Xeración) da Escola Superior de Enxeñaría Informática do campus de Ourense e pertencente ao CINBIO,  liderados por Miguel Reboiro e Daniel González, e en colaboración co Grupo de Investigación en Oncoloxía Dixestiva (GIODO), liderado polo doutor Joaquín Cubiella, do Servizo de Dixestivo do Complexo Hospitalario Universitario de Ourense.  

O traballo céntrase no eido do cancro colorrectal, o de maior incidencia en España, con 18.187 novos casos en mulleres e 26.044 en homes en 2020 e con cifras en aumento. Na súa abordaxe, as colonoscopias son unha ferramenta de imaxe clínica esencial para a detección temperá de lesións potencialmente malignas no colon, fundamentalmente pólipos. O diagnóstico e manexo dos pólipos baséase na resección endoscópica e diagnóstico histolóxico posterior. Neste contexto, o equipo galardoado baseouse na intelixencia artificial para desenvolver un sistema de apoio que busca mellorar a detección e diagnóstico de pólipos colorrectais en tempo real durante as colonoscopias, redundando non só na mellora do diagnóstico e tratamento do paciente, senón no potencial aforro de custos en forma de reseccións ou biopsias innecesarias. Permite ademais a clasificación automática dos pólipos colorrectais, de xeito que o modelo avisa ao endoscopista durante a exploración da presenza de pólipos pero tamén do tipo de pólipo detectado. No marco deste proxecto as e os investigadores crearon un amplo banco de imaxes e vídeos de colonoscopias con información histolóxica e de localización de pólipos que está dispoñible para a comunidade científica a través do Biobanco do Instituto de Investigación Sanitaria Galicia Sur, instituto ao que pertencen os dous grupos participantes no proxecto, os grupos SING e GIODO.

“Facemos unha valoración moi positiva da concesión deste premio, que recoñece o potencial de transferencia de PolyDeep”, sinalan Miguel Reboiro e Daniel González. Os líderes do proxecto destacan que o seu desenvolvemento foi “un reto” nado dunha primeira reunión entre os grupos SING e GIODO “da que saíron moi boas ideas, entre elas a de desenvolver este sistema que en tempo real axudase á detección de pólipos”. A iniciativa, apuntan, desenvolveuse desde 2018 ata 2021 con financiamento da Convocatoria Retos da Sociedade do Ministerio de Economía, Industria e Competitividade e “conseguiu chegar a onde quería e ademais ten futuro”. Segundo explican os investigadores, o traballo continúa na actualidade co proxecto PolyDeep Advance, que acadou recentemente financiamento na convocatoria Probas de Concepto do Ministerio de Ciencia e Innovación para realizar a validación clínica deste sistema e o plan de acceso ao mercado para a súa comercialización.

PolyDeep, lembran os seus responsables, continúa na liña de traballo do grupo SING de colaboración co Complexo Hospitalario Universitario de Ourense “buscando tarefas ou problemas nos que poidamos aplicar intelixencia artificial e que redunden ou que busquen a mellora no diagnóstico ou tratamento dos pacientes”. Así, detallan, xa teñen desenvolvido con anterioridade un sistema de detección de enfermidades nosocomiais chamado InNoCBR e implantando na actualidade en todos os hospitais do Sergas. “Este tipo de traballos que teñen esta aplicabilidade, este impacto positivo na sociedade e neste caso en pacientes, para nós son algo moi importante”, comentan Miguel Reboiro e Daniel González.

Outros dous galardóns

O premio Fernando Calvet Prats a un caso de éxito de transferencia de tecnoloxía dun grupo de investigación foi para o proxecto Ligandos fluorescentes como alternativa ao uso da radioactividade na industria farmacéutica, do grupo de Descubrimento e Síntese de Fármacos do Centro de Investigación en Química Biolóxica e Materiais Moleculares (CiQUS) e da Facultade de Farmacia da Universidade de Santiago, integrado por Eddy Sotelo, Javier Sardina, Mabel Loza e José Brea, impulsores da empresa Celtarys Research. A firma explota unha novidosa tecnoloxía ideada polo equipo para o desenvolvemento de ferramentas fluorescentes para a industria farmacéutica, como alternativa ao uso da radioactividade nas fases temperás de descubrimento de fármacos. Por último, o premio Ricardo Bescansa Martínez a un caso de éxito de implantación de tecnoloxía transferida foi para a posta en marcha da spin-off  BFlow SL, que naceu en maio de 2020 froito da colaboración entre grupos de investigación das facultades de Óptica e Física da Universidade de Santiago e a Fundación de Investigacións Sanitarias de Santiago para optimizar o proceso de descubrimento de moléculas e fármacos grazas á aplicación da tecnoloxía microfluídica máis avanzada.