La valenciana Quibim ha desarrollado algoritmos que permiten extraer e interpretar datos cuantificables de imágenes médicas de un tejido sin la necesidad de contar con una muestra, es decir, de forma no invasiva. Su actividad principal se centra en los tumores.
Un famoso refrán español asegura que cuatro ojos ven mejor que dos, pero si los 'ojos' corresponden a una inteligencia artificial entonces esa visión puede mejorar notablemente. En el ámbito médico, las tecnologías de visión artificial permiten encontrar señales, signos y patrones que se pueden usar para obtener datos bastante relevantes sobre los pacientes.
A esto es a lo que se dedica Quibim (acrónimo de Quantitative Imaging Biomarkers In Medicine). Esta empresa, con sede central en Valencia, cuenta con una tecnología de postprocesado de imágenes médicas radiológicas y de extracción de biomarcadores de imagen. Aplican diferentes metodologías con el objetivo de sacar información cuantitativa para analizar distintas patologías.
Un problema importante con el que se encontró la compañía al principio es que al recibir las imágenes estas les llegaban con “cierta heterogeneidad en su calidad”. Es decir, según vinieran de un fabricante de máquinas u otro la calidad, el brillo, el contraste, el ruido o la resolución se mostraban diferentes.
Por ello, desarrolló unas metodologías basadas en inteligencia artificial que homogenizan la calidad de imagen entre todos los fabricantes. Así, el equipo ha ideado una manera de calibrarlas para evitar sesgos e influencias no deseadas, según explica a SINC Ángel Alberich Bayarr, cofundador de Quibim.
Una vez que tienen esas imágenes estandarizadas introducen otra segunda capa de algoritmos que han sido entrenados para encontrar o analizar diferentes órganos. Estos se aplican tanto a resonancias magnéticas (RM), como a tomografías axiales computerizadas (TAC) o tomografías de emisión de positrones (PET).
Tanto la primera como la segunda capa de algoritmos creados por Quibim se basan en redes neuronales convolucionales, una arquitectura de redes que funcionan de manera muy parecida a las neuronas en la corteza visual primaria, que aprenden directamente de los datos y que resultan muy útiles para encontrar patrones en imágenes.
Hasta la fecha la empresa ha logrado crear una veintena de algoritmos muy específicos. Dentro del campo neurológico pueden medir la atrofia cerebral, observando el avance del alzhéimer y otras enfermedades neurodegenerativas. También pueden calcular la edad del cerebro, al comprobar cuánta sustancia gris se está perdiendo y si esa pérdida es anormal. Igualmente, son capaces de encontrar lesiones en la sustancia blanca, como las que ocurren en esclerosis múltiple.
La primera fase supone estandarizar la calidad de las imágenes que vienen de los distintos fabricantes, de lo cual se encarga un algoritmo. / Quibim
No obstante, el foco principal de la compañía es la oncología, que supone entre el 70 % y el 80% de su actividad. A diferencia de sus otros algoritmos, que son usados generalmente para un único órgano o patología, en cáncer cuentan con elementos compartidos. “Nos consideramos ‘tumor-agnósticos’ y a día de hoy la industria farmacéutica está trabajando con esa misma aproximación. Los fármacos ya no están indicados únicamente para un tipo de tumor, sino para varios”, aclara el responsable de Quibim.
“Así hemos desarrollado un conjunto de algoritmos con una misma arquitectura donde se trabaja esa 'armonización' de la calidad de imagen, luego se detectan los órganos y después buscamos lesiones en ellos. Sacamos parámetros con redes neuronales. Estas aprenden a extraer dentro de un tumor características particulares de cada lesión, viendo cómo está distribuida la intensidad de píxeles”, subraya.
Alberich-Bayarri cuenta que no solo es importante el tamaño del tumor y su evolución, sino también su composición. Eso es lo que analizan utilizando características radiómicas y deep features o características profundas.
“Estas características se combinan con la pregunta clínica que se quiere responder, que es diferente para cada tipo de cáncer. Por ejemplo, en el cáncer de pulmón ahora mismo la cuestión es poder predecir la respuesta a la inmunoterapia. En el de colon lo que más nos importa es poder predecir la recaída y en el de mama la metastatización”, desgrana. “Dependiendo del escenario clínico tenemos distintos algoritmos predictivos”, añade.
El cofundador de Quibim Ángel Alberich Bayarr. / Quibim
Alberich-Bayarri, el CEO de Quibim, estudió ingeniería de Telecomunicaciones y dedicó su doctorado al procesamiento de imágenes médicas. En esta etapa, trabajando en Quirón, comenzó a colaborar con Luis Marti-Bonmati, un radiólogo que era “un visionario y pensaba que el futuro de la radiología pasaba por la computación”.
“Empezamos a investigar conjuntamente y a desarrollar algoritmos, que se evaluaron en diferentes cohortes de pacientes y con distintos objetivos, como detectar cáncer, caracterizar lesiones, estudiar la atrofia cerebral, etc. Acabamos con un conjunto de algoritmos que en realidad a nivel de investigación tenían un alto impacto”, cuenta el emprendedor a SINC.
Sin embargo, pese a haber desarrollado estas tecnologías Alberich-Bayarri confiesa que sentía frustración, ya que en la práctica clínica ese uso de algoritmos todavía resultaba “muy difícil”, puesto que se necesitaba contar con “un dispositivo sanitario”.
Según relata, en aquel momento los fabricantes de grandes equipos de resonancias, TAC, rayos X, etc. no estaban desarrollando algoritmos “tan avanzados” como los que habían creado ellos, "por lo tanto, no era posible desplegarlos en la práctica clínica". Así llegaron a la conclusión de que si querían que sus innovaciones salieran al mercado “teníamos que hacerlo nosotros. Así surgió Quibim”.
La empresa nació como una spin-off del Instituto de Investigación Sanitaria La Fé, donde Alberich-Bayarri había empezado a trabajar como investigador en el grupo de Imagen Médica.
Desde Quibim aseguran que pueden llevar a cabo biopsias virtuales, ya que su tecnología posibilita que puedan extraer características de un tejido sin la necesidad de contar con una muestra, es decir, de forma no invasiva.
“Esto es muy importante porque en algunos tipos de tumores, como por ejemplo el cáncer de pulmón, los pacientes se biopsian una sola vez. No se extraen muestras de tejido todo el tiempo y al final lo que acaba provocando que el paciente empeore o no progrese son las resistencias clonales tras cada tratamiento”, explica el investigador. “Las células van cambiando y al biopsiar una sola vez las resistencias no se analizan más”, lamenta.
Las pruebas no invasivas como los TAC, sí que se realizan varias veces durante la enfermedad oncológica, como en la detección, en el diagnóstico, cada vez que se aplica un tratamiento, para evaluar la respuesta al mismo, etc. Eso es lo que le permite a Quibim hacer un seguimiento de la evolución.
“Con nuestras biopsias virtuales podemos obtener información a partir del TAC y de cómo se distribuyen los píxeles en él. Obviamente, no tiene el mismo nivel de resolución espacial o de detalle que un microscopio donde puedes ver células, pero sí que nos ayuda a saber la estirpe de un tumor con esos cambios macroscópicos”, aclara. “El nivel de exactitud varía en función de la pregunta clínica, pero generalmente damos por aceptable un algoritmo que esté por encima de un 85 % de exactitud en práctica clínica”.
Las biopsias virtuales también tienen ventajas claras para pacientes infantiles. Alberich-Bayarri cuenta que en algunos de los proyectos que llevan tratan el cáncer pediátrico y hay algunas enfermedades dentro de éste con una alta mortalidad.
Con las biopsias virtuales podemos obtener información a partir del TAC y de cómo se distribuyen los píxeles en él. No tiene la misma resolución que un microscopio, pero sí nos ayuda a saber la estirpe de un tumor con esos cambios macroscópicos
“Este tipo de patologías se diagnostican ya directamente con la imagen por motivos éticos, pues se evita hacer una biopsia al paciente. La única manera que tenemos de avanzar a día de hoy es conocer las diferencias a nivel de imagen entre pacientes que sí responden ligeramente al tratamiento y aquellos que no, poder aportar un poco de luz en ese vacío de conocimiento que tenemos”, apostilla.
Hasta la fecha, la compañía ha tenido acceso a 100.000 pacientes oncológicos, lo que supone alrededor de 200 millones de imágenes.
Quibim está trabajando sobre todo con la industria farmacéutica y hospitales como principales socios y clientes. En el primer caso, ayudan en la fase de desarrollo de fármacos para poder predecir en qué tipo de pacientes tendrán más efectividad. Con datos retrospectivos pueden crear modelos de inteligencia artificial para que aprendan en quiénes funcionarán mejor. Además, también echan una mano en fármacos ya probados, donde pueden identificar los candidatos a beneficiarse de ese tratamiento.
La empresa ha logrado que su solución de resonancia magnética de próstata basada en IA QP-Prostate haya sido certificada en Europa y por la FDA (Administración de Alimentos y Medicamentos de EE UU). Esta herramienta se instala en los hospitales y puede ser usada por los clínicos.
QP-Prostate está disponible en distintos centros médicos de EE UU, España e Italia. También están comenzando en Reino Unido. Al principio hicieron alguna instalación en países de Asia, como Japón, pero debido a los recursos que suponía han preferido centrarse en otros mercados donde han visto más tracción.
Quibim delega en Microsoft toda su infraestructura tecnológica, desde almacenamiento a computación, de control de usuarios a su plataforma que despliega los algoritmos. La compañía de Redmond es su proveedor tecnológico principal, estructurando todo a través de Microsoft Azure.
La firma valenciana cuenta ya con una plantilla de 74 personas. Hasta la fecha han levantado más de 20 millones de dólares de financiación, 14 de fondos privados y unos 7 de fondos públicos. Al principio, recibieron el apoyo de Angels Capital, de Juan Roig, y del fondo de la Politécnica de Valencia. La firma de venture capital francesa Partech, la británica Amadeus Capital Partners o la austriaca Apex Ventures son sus fondos principales, junto a la española Adara Ventures.
El emprendedor cuenta que lo próximo en lo que están trabajando es desarrollar algoritmos que analizan las imágenes no de manera estática, sino predictiva. “Podremos saber qué ha ocurrido con un paciente de manera retrospectiva y aprender de todo ese conocimiento de imagen para predecir qué va a ocurrir en pacientes nuevos de forma prospectiva”, concluye.
Esta actuación, que proporciona un innovador visualizador de imágenes, forma parte de las labores de asesoramiento experto científico-técnico en la gestión de la emergencia y la recuperación de las zonas afectadas por la DANA que presta el CSIC.
Las herramientas de código abierto están transformando el manejo de la esta enfermedad metabólica, a través de páncreas artificiales que permiten un control automatizado y personalizado de la glucosa. Este avance no solo mejora la calidad de vida de las personas con diabetes, sino que también abre el camino hacia tecnologías de salud accesibles y colaborativas.
