HELICoiD, un proyecto que identifica tumores cerebrales en tiempo real

El proyecto HELICoiD (Hyperspectral Images for Brain Cancer Detection) es un proyecto de investigación financiado con fondos europeos para la identificación de tumores cerebrales en tiempo real a través de imágenes hiperespectrales.

La tecnología desarrollada por sus investigadores permite la utilización de imágenes hiperespectrales para la identificación en tiempo real de los márgenes del tumor cerebral durante la cirugía, lo que ayuda al cirujano a extraer el tumor y respetar la mayor cantidad de tejido sano posible.

El profesor titular de Tecnología Electrónica de la ULPGC y coordinador del proyecto, Gustavo Marrero Callicó, nos explica en qué consiste:

Háblenos sobre la reciente incorporación del Proyecto HELICoiD a la nueva plataforma Innovation Radar para la divulgación de los proyectos europeos de mayor impacto y excelencia.

La verdad es que ha sido una agradable sorpresa para nosotros el que la Comisión Europea nos haya seleccionado para esta interesante iniciativa. Por una parte, nos alegramos mucho por haber sido la única innovación de la ULPGC seleccionada para el Innovation Radar, aunque por otro, nos preocupa la responsabilidad que se pone sobre nuestros hombros de tener que intentar llevar a la sociedad esta innovación. Personalmente soy un convencido de que el sistema que hemos desarrollado tiene una utilidad social real que podría mejorar el resultado de muchas cirugías para la resección de tumores cerebrales, por lo que esta iniciativa nos da la oportunidad de presentarnos al mercado con mayores garantías de éxito. Podremos además acogernos a las diferentes ayudas que se ofrezcan a los integrantes de la iniciativa.

¿Qué posibilidades comerciales tiene el Proyecto HELICoiD?

Creemos que las posibilidades comerciales del proyecto HELICoiD son muy elevadas. A fecha de hoy, varias empresas internacionales en el mercado de la instrumentación electrónica para medicina han demostrado interés en el sistema y ahora estamos negociando con ellas. Evidentemente, no nos vamos a quedar simplemente esperando. Este sistema, como todos, es susceptible de mejoras y seguimos trabajando fundamentalmente en dos aspectos. En primer lugar, tratamos de optimizar el sistema para que ofrezca resultados más rápidos y precisos a la vez que se disminuyan sus costes de fabricación. En segundo lugar, el sistema necesita de una amplia validación clínica que demuestre que el sistema funciona para una cantidad estadísticamente significativa de casos. Actualmente, contamos para este propósito con el proyecto ITHaCA, financiado por el Gobierno de Canarias a través de la Agencia Canaria de Investigación, Innovación y Sociedad de la Información (ACIISI). Adicionalmente, estamos en contacto con investigadores de la University of Texas (Dallas, USA) para mejorar el sistema y con neurocirujanos de la Loyola University Medical Center de Chicago (Illinois, USA) para que evalúen nuestro sistema con sus pacientes. Hay que tener también en cuenta los posibles mercados derivados de esta tecnología en otras patologías. Así, por ejemplo, tenemos al catedrático de la University of Tromso (Noruega) Fred Godtliebsen haciendo una estancia sabática con nosotros para adaptar nuestros algoritmos a la detección de melanomas (tumores melánicos o pigmentados en la piel) usando imágenes hiperespectrales. Tenemos también actualmente en Las Palmas a varios investigadores de la Università degli Studi di Pavia (Italia) que colaboran con nosotros en la aceleración de los algoritmos para alcanzar prestaciones cada vez mayores, preparando el sistema para el día en que la industria de las cámaras hiperespectrales ofrezca vídeo hiperespectral de alta calidad espacial y espectral. Dado que el sistema ya está protegido por una patente internacional, estas colaboraciones no ponen el peligro la autoría del sistema y permiten mejorarlo y darnos a conocer en la comunidad internacional.

¿Qué opina de las nuevas formas de captar el talento y a nuevos investigadores en las universidades? Háblenos sobre el caso HackForGood.

Como profesor de universidad y como investigador, llevo años en la ardua tarea de captar talento joven que incorporar a nuestros proyectos de investigación. Esta tarea siempre ha resultado compleja por la escasa visibilidad que los investigadores damos a nuestros trabajos. Más allá de las revistas especializadas y de algunos congresos específicos, nuestra labor pasa casi totalmente desapercibida a la sociedad. Estoy seguro que la mayoría de mis alumnos en la universidad ignoran totalmente mi campo de investigación. Iniciativas como HackForGood nos permiten acercarnos a la gente joven con talento, en muchos casos provenientes además de diferentes carreras y especialidades. Este carácter joven y multidisciplinar, en un entorno informal, aunque de gran presión creativa, nos permite colaborar de forma muy eficiente.

Sin embargo su proyecto no siguió ese camino…

En mi caso concreto, presenté como reto el intentar desarrollar una parte especialmente crítica del algoritmo de HELICoiD siguiendo un camino diferente. Proporcionamos a los participantes dos imágenes hiperespectrales de operaciones reales y les invitamos a intentar clasificarlas de la forma más rápida posible, usando para ello algoritmos de su invención. Cabe destacar que la cantidad de datos con los que tenían que trabajar era ingente, sometidos al mismo tiempo a una gran variabilidad, habitual en los tejidos biológicos, y disponiendo además de un tiempo muy limitado. El resultado sólo puede ser clasificado como “espectacular”. En tan solo 36 horas, el equipo presentó un nuevo algoritmo alternativo que tenía una precisión prácticamente igual a los nuestros, pero que se ejecutaba a mayor velocidad. Mientras que nosotros seguimos el camino seguro de usar pesados algoritmos de Machine Learning, ellos usaron un pensamiento divergente y analizaron qué partes de las firmas hiperespectrales aportaban realmente la información relevante para la detección de los tumores. Como ya he dicho, sus resultados fueron excelentes.

¿En qué punto se encuentra ahora el proyecto?

Ahora estamos en contacto con el equipo para verificar si su algoritmo sigue siendo igualmente valido en el resto de las 36 operaciones de las que disponemos y estamos analizando si sus ideas pueden servir para acelerar nuestros algoritmos sin pérdida de generalidad. Personalmente, tengo grandes esperanzas en este nuevo enfoque. No cabe duda de que un grupo de gente joven, altamente cualificada y rebosante de ideas y energía puede sin duda aportar muchísimo a la ciencia y a la sociedad. Prueba de ello es que quedaron en el primer puesto del Hackathon de este año en Las Palmas de Gran Canaria y espero que puedan ganar también el reto a nivel nacional.