Descripció del projecte
La peritonitis relacionada amb la diàlisi peritoneal és una complicació freqüent de la diàlisi peritoneal, i s’associa amb altes taxes de morbiditat i mortalitat. Aquesta infecció sol detectar-se en una fase tardana a causa de la simptomatologia associada subjectiva, com ara dolor de febre o d’estómac, i observació líquida de drenatge tèrbol. Això comporta un augment de les despeses de tractament i cirurgia, taxes d’hospitalització, i és la principal causa de transferència d’usuaris a l’hemodiàlisi en els clínics, la qual cosa resulta en una notable reducció de la qualitat de vida i un major cost per al sistema sanitari. Per tant, la prevenció, la detecció precoç i l’inici del tractament són crucials. Els primers indicadors de peritonitis són una major concentració de glòbuls blancs i un predomini de cèl·lules polimorfonuclears. Aprofitar la tecnologia d’ecografia d’alta resolució en neosònica amb intel·ligència artificial integrada facilitarà el cribratge domiciliari no invasiu de la peritonitis mitjançant la detecció d’indicadors primerencs de peritonitis en el sistema de línia de drenatge per alertar a l’usuari i nefròleg de la presència d’una infecció. Aquesta tecnologia s’ha demostrat útil en el cribratge i seguiment de la meningitis i uveïtis neonatals mitjançant la detecció de leucòcits en el líquid cefalorraquidi i la cambra anterior de l’ull, respectivament.
L’objectiu d’aquest projecte és desenvolupar i validar un enfocament basat en IA per a la determinació automàtica de la concentració cel·lular i la classificació de tipus cel·lular de glòbuls blancs en imatges de fluid peritoneal obtingudes mitjançant el dispositiu Neosonics d’alta resolució basat en ultrasons. Les tasques inclouen l’anàlisi d’imatges, el processament d’imatges, la formació i validació de models d’aprenentatge profund, l’anàlisi d’explicabilitat i la investigació generativa d’IA. En la fase inicial, es desenvoluparà un pipeline basat en IA amb dades generades al laboratori utilitzant partícules de poliestirè suspeses en aigua destil·lada simulant leucòcits (cèl·lules polimorfonuclears i limfòcits) en efluents de diàlisi. Aquests conjunts de dades adquirides al laboratori inclouran imatges amb un rang de diferents nivells de concentració i proporcions de predomini dels leucòcits. L’enfocament es dividirà en dues parts: models de predicció de la concentració cel·lular i models de classificació cel·lular. La validació es realitzarà mitjançant un conjunt de dades de cohorts de pacients. En la segona etapa, l’objectiu és generar dades sintètiques de leucòcits utilitzant tècniques d’IA generativa per ampliar el conjunt de dades d’entrenament i perfeccionar els algorismes. Un cop més, el pipeline optimitzat es validarà mitjançant dades de pacients. Les dades del pacient s’obtindran d’un estudi clínic en curs liderat per l’Hospital Universitari de Bellvitge que inclou altres 5 hospitals espanyols: l’Hospital San Joan Despí Moisés Broggi, l’Hospital Clínic de Barcelona, l’Hospital del Mar, el Consorci Sanitari de Terrassa i l’Hospital Universitari de Navarra.
Aquest projecte de doctorat de l’AGAUR té com a objectiu transformar el diagnòstic i el seguiment de la peritonitis relacionada amb la diàlisi peritoneal a través d’una solució de cribratge no invasiva que utilitza ultrasons d’alta resolució impulsades per IA. En permetre la detecció precoç d’infeccions, els nefròlegs poden intervenir ràpidament, millorant la seguretat del pacient i els resultats del tractament, alhora que redueixen les taxes d’hospitalització i els costos sanitaris. En definitiva, l’objectiu és millorar la qualitat de vida dels pacients amb diàlisi peritoneal fent que el diagnòstic i el seguiment siguin més accessibles, còmodes i eficients.
