El pasado viernes 12 de diciembre, Tomás Ferraz culminó su carrera en la Licenciatura en Ingeniería Biológica al presentar su tesis titulada “Sistema de apoyo a la toma de decisiones clínicas para modelado predictivo y dinámico de riesgo cardiometabólico”.
El trabajo fue dirigido en conjunto, por los doctores Parag Chatterjee, del departamento de Ingeniería Biológica y Mario González, del departamento de Matemática y Estadística del Centro Universitario Regional (Cenur) Litoral Norte y propone una herramienta basada en Inteligencia Artificial (IA) que busca acercar los avances del aprendizaje automático a la práctica clínica cotidiana.
Una carrera construida en el territorio
Ferraz recordó su llegada al Cenur Litoral Norte: “soy de Tacuarembó, llegué en 2018 y estaba buscando una carrera de Ingeniería y esta era una opción cerca de Tacuarembó, allá está Forestal pero no me gustaba tanto. Ingeniería Biológica era más amplia y me gustaba mucho”.
El estudiante destacó el desafío de cursar una carrera que en aquel momento era muy nueva y con parte de la currícula dictada en Salto. “La primera parte fue bastante difícil, la parte de matemática, porque principalmente era en Salto. Pero se logró. Los profesores siempre muy cercanos. Ahora la carrera cambió mucho: hay más estudiantes y las matemáticas están más presentes acá”, contó.
Datos médicos poco aprovechados: el punto de partida
La investigación partió de un problema central: la subutilización de los datos clínicos en hospitales. “Tenemos una cantidad enorme de datos en los hospitales y solo el tres por ciento se utiliza”, señaló Ferraz y agregó: “no es un problema en sí, sino una oportunidad para mejorar el servicio”.
Chatterjee subrayó esta misma idea: “tenemos un boom de IA por todos lados, pero para que funcione necesitamos los datos. Y estamos usando apenas el 3% de los datos de los hospitales. La tesis buscó tender un puente entre el laboratorio y la práctica clínica”.
El trabajo desarrolló modelos predictivos utilizando datos numéricos de pacientes, centrados en riesgo cardiometabólico, nefrológico y en reacciones adversas a tratamientos oncológicos. “Generamos modelos a partir de los datos de los pacientes y generalizamos para nuevos casos. En oncología, por ejemplo, buscamos predecir toxicidades o respuestas autoinmunes para mejorar el tratamiento”, explicó Ferraz. El tutor complementó explicando el alcance del sistema: “el algoritmo aprende con datos de cien pacientes y luego, cuando llega el paciente 101, puede predecir qué puede pasarle en 5 o 10 años. Validamos el modelo con datos del registro uruguayo de diálisis y con pacientes en inmunoterapia”.
Una herramienta simple
Aunque por detrás opera un sistema complejo, la interfaz fue diseñada para ser accesible a profesionales de la salud. “El médico puede cargar un Excel o los datos que tenga. El sistema hace todo el cálculo y muestra la predicción con un valor de confianza”, explicó Chatterjee. “Es importante que el modelo sea transparente y no una ‘caja negra’”, explicó.
La recepción por parte del cuerpo médico fue muy positiva. “Estaban muy interesados en aplicarlo en la clínica. No tenían acceso a algo similar”, señaló Ferraz y explicó que la demanda o solicitud del trabajo inicial llegó por parte de los médicos que estaban interesados en aprovechar la IA.
El tutor adelantó que el proyecto continuará su desarrollo: “ahora vamos a implementar una validación en el Hospital de Clínicas y también hay interés en el hospital de Paysandú. Llegamos a una segunda etapa: probar el sistema en más poblaciones y continuar generando evidencia científica”.
Asimismo destacó que ya presentaron la iniciativa a una convocatoria de la Agencia Nacional de Desarrollo (ANDE) para avanzar en la transferencia tecnológica hacia el sistema de salud.
Una defensa exigente y un camino de futuro
Sobre la defensa, Ferraz comentó que al principio estaba muy nervioso y que el tribunal “fue complejo y muy exigente, pero está bueno que sea así porque la herramienta lo amerita”. El tribunal integró referentes del ámbito clínico y de la ingeniería, lo que permitió evaluar la tesis desde todas las perspectivas necesarias.
Ferraz afirmó que su motivación está en seguir desarrollando soluciones aplicables a la salud: “me gusta la ciencia de datos aplicada a la medicina. Trabajar con datos uruguayos y pensar en herramientas que mejoren el servicio inspira mucho. Me imagino desarrollando sistemas que puedan utilizarse en hospitales”.
Actualmente, Ferraz se desempeña como docente ayudante de la licenciatura en Ingeniería Biológica y recientemente se incorporó como investigador en el Instituto de Investigación Una Salud con el objetivo de incorporar las herramientas de la IA en todos los ámbitos clínicos.
