ModGraProDep es un sistema innovador presentado en un estudio que ha dirigido Ramon Clèries, profesor del Departamento de Ciencias Clínicas de la Facultad de Medicina y Ciencias de la Salud de la Universidad de Barcelona (UB) y miembro del Plan director de oncología (ICO-IDIBELL). El trabajo ha sido publicado en la revista Artificial Intelligence in Medicine.

La nueva tecnología ha sido desarrollada por un amplio equipo de expertos en epidemiología, oncología y gestión de datos del Plan director de oncología-IDIBELL, la Universidad de Barcelona, la Universitat Politècnica de Catalunya·BarcelonaTech (UPC), el Instituto Catalán de Oncología (ICO), el Instituto de Investigación Biomédica de Girona (IDIBGI), la Universidad de Girona, la Universidad de Alicante, el CIBER de Epidemiología y Salud Pública (CIBERESP, Instituto de Salud Carlos III), el Hospital Universitario Sant Joan de Reus, el Servicio de Oncología Médica del ICO Girona, los Registros de Cáncer de Girona y Tarragona y la entidad MC Mutual.

Junto con otros expertos en epidemiología, oncología y estadística, desde la UPC se han analizado, comparado y validado diferentes propuestas metodológicas para mejorar la predicción de indicadores de supervivencia en pacientes con cáncer de mama. Se ha propuesto la metodología innovadora ModGraProDep (Modeling Graphical Probabilistic Dependencies), de utilidad para situaciones de predicción de datos no disponibles y tamaño muestral reducido, como es el campo de la investigación en cáncer. La perspectiva ModGraProDep ha sido comparada con los algoritmos de clasificación, oversampling y aprendizaje automático más utilizados. Según el investigador de la UPC José Miguel Martínez, del Departamento de Estadística e Investigación Operativa, "los resultados obtenidos muestran que ModGraProDep permite realizar predicciones de datos no disponibles de forma simultánea y simular bases de datos de gran tamaño, por tanto, es una alternativa de utilidad en otras metodologías".

Modelización matemática: nuevas fronteras en la lucha contra el cáncer
Una de las aplicaciones de la modelización numérica de indicadores clínicos en oncología es el desarrollo de modelos predictivos que ayuden a los oncólogos y clínicos a clasificar y valorar futuros escenarios de evolución para los pacientes de cáncer. En ese contexto, la predicción de la supervivencia de los enfermos —con variables concretas y edades específicas— es decisiva para valorar tratamientos e identificar subgrupos entre los pacientes. Sin embargo, a menudo esta información se debe estimar mediante la modelización numérica, dado que no existe una población muestral suficiente para calcular estos indicadores de forma específica.

La aplicación de la nueva metodología ModGraProDep (Modeling Graphical Probabilistc Dependencies) ha impulsado dos investigaciones coordinadas por la profesora Mireia Vilardell, de la Sección de Estadística del Departamento de Genética, Microbiología y Estadística de la Facultad de Biología de la UB, y la investigadora María Buxó, del IDIBGI.

En el primer caso, ModGraProDep permite identificar la estructura de una base de datos y generar una «población sintética» (simulada) de pacientes con las características demográficas de la cohorte original. Con esta aproximación, se pueden identificar posibles nuevos patrones de pacientes y calcular indicadores (por ejemplo, la supervivencia de un paciente en función de los valores de sus variables).

En el segundo estudio, ModGraProDep se revela como una tecnología capaz de asignar valores de forma probabilística en variables de las que no se había podido recoger información.

El equipo científico también ha diseñado una aplicación web de gran interés clínico que permite obtener una predicción de indicadores de supervivencia y riesgo de mortalidad por cáncer —y por otras causas— de cada paciente hasta un plazo máximo de veinte años.

Artículo de referencia:

Vilardell, M.; Buxó, M.; Clèries, R.; Martínez, J. M.; Garcia, G.; Ameijide, A.; Font, R.; Civit, S. «Missing data imputation and synthetic data simulation through modeling graphical probabilistic dependencies between variables (ModGraProDep): An application to breast cancer survival». Artificial Intelligence in Medicine, mayo de 2020. Doi: 10.1016/j.artmed.2020.101875