El proyecto REINFORCE se encuadra en este contexto, planteando como objetivo desarrollar una nueva plataforma/modelo/gemelo virtual basada en técnicas de Inteligencia Artificial para la predicción de eventos críticos en pacientes con tumores gastrointestinales (estómago, colon, recto y metástasis hepáticas de hígado) y en aquellos con metástasis cerebrales.

En concreto, esta nueva plataforma pretende:

• Predecir el riesgo de recaída en pacientes con metástasis cerebrales tratados con radioterapia esterotáxica y tumores gastrointestinales tratados mediante esquemas multidisciplinares basados en tratamiento sistémico seguido de rescate quirúrgico. Definir este riesgo de manera precisa facilitaría la toma de decisiones clínicas y posibilitaría la adaptación de terapias y programas de seguimiento de una manera más personalizada, reduciendo además costes derivados de pruebas y tratamientos innecesarios. En línea con esto se plantea además un avance relacionado con determinar prospectivamente la presencia de enfermedad mínima residual (EMR) mediante biopsia líquida de manera longitudinal durante el seguimiento. En este sentido, se busca correlacionar dicha EMR con el riesgo predicho por el modelo y analizar su papel como marcador precoz de recaída.
• Diferenciar radionecrosis de metástasis cerebral recurrente. La necrosis es un efecto secundario derivado del tratamiento de las metástasis cerebrales con las nuevas técnicas de radioterapia que utilizan dosis ablativas, como son la radiocirugía o la radioterapia esterotáxica fraccionada. La radionecrosis constituye un problema clínico actual ya que su diagnóstico mediante las técnicas radiológicas convencionales no está bien establecido, pudiendo confundirse con una recurrencia tumoral locorregional. La falta de una herramienta diagnostica que permita una correcta diferenciación entre ambas entidades sin tener que recurrir a una biopsia cerebral, repercute en la decisión sobre el tratamiento adecuado y afecta a la calidad de vida de los pacientes.
• Predecir el riesgo de secuelas graves inducidos por los tratamientos oncológicos, posibilitando la clasificación de los pacientes en grupos de diferente nivel de riesgo. Una vez definido el grupo de pacientes con mayor riesgo de presentar toxicidad grave a los tratamientos oncológicos, la nueva plataforma integrará una interfaz que permitirá su telemonitorización continua desde domicilio, a fin de recoger datos clínicos significativos que actúen como señales de alarma para actuaciones precoces por parte del equipo médico.

 

La base fundamental para poder obtener esta nueva capacidad de predicción será el desarrollo de nuevos algoritmos basados en tecnologías de Inteligencia Artificial como el Deep Learning y el Machine Learning.