Óscar Pellicer, Enginyer Industrial i Informàtic ha impulsat el projecte "Intel·ligència artificial en anàlisi d'imatge de pròstata", una iniciativa que consisteix en l'aplicació de tècniques d'intel·ligència artificial (IA) a la millora de l'eficiència i precisió en el diagnòstic, biòpsia i tractament del càncer de pròstata utilitzant imatges de Ressonància Magnètica (RM) i d'Ultrasons (US). Pellicer va iniciar aquest projecte fa quatre anys en la seua tesi doctoral en el grup IDAL (https://idal.uv.es/) de la Universitat de València (UV) a causa del seu interés en les possibilitats de l'aplicació de la Intel·ligència Artificial a la biomedicina. D'aquesta manera, va combinar el seu interés científic amb el de millorar la vida de les persones

Cal destacar que l'abast inicial del projecte es limitava només al registre Ressonància Magnètica - Ultrasò, però l'enginyer industrial va veure l'oportunitat d'aplicar la Intel·ligència Artificial també a altres temes relacionats de gran rellevància, com és la segmentació automàtica de la pròstata, que millora la repetibilitat i estalvia valuós temps respecte a fer-la a mà; i la detecció automàtica de lesions en Ressonància Magnètica, que pot servir com a segona opinió al professional clínic, i pot potencialment localitzar lesions que s'hagueren ignorat.

D'aquesta manera, protocol·làriament, davant sospita de càncer de pròstata es realitza una RM. Els radiòlegs l'analitzen i marquen les regions on creuen que puga haver-hi lesió (càncer). A continuació, aquestes lesions es biopsien, és a dir, es prenen mostres vives per a comprovar si realment és càncer.
Durant la biòpsia s'empra US per a guiar l'operació i localitzar la lesió. No obstant això, la lesió marcada en RM pels radiòlegs no és visible en US, i l'uròleg deu, o bé recordar on estava aquesta (fusió cognitiva), o bé usar un programa informàtic que registre la imatge de RM amb la de US (fusió per programari) i li indique on està la lesió en la imatge de US.
El treball utilitza diversos algorismes de IA, i en particular xarxes convolucionals, per a analitzar les imatges de pròstata (RM i US) i resoldre els següents problemes:
1. Segmentació automàtica de pròstata en RM i US: pas previ necessari per a la resta de les tasques, consisteix assenyalar / marcar la pròstata en RM i US . Automatitzar això estalvia temps al radiòleg i a l'uròleg (5-10min per pacient abans i durant la biòpsia / tractament focal), i millora la precisió de la resta de tasques (que depenen d'aquesta).

2. Detecció automàtica de lesions en RM: detectar les lesions com ho faria un radiòleg serveix de segona opinió clínica, millora la precisió diagnòstica, i a més redueix molt el risc que el radiòleg es deixe alguna lesió per marcar.

3. Registre automàtic RM-US: Consisteix a localitzar en US les lesions marcades en RM de manera automàtica i precisa. Una alta precisió en aquesta tasca és imprescindible per a una correcta biòpsia i, especialment, per al tractament focal del pacient.

Quasi totes les parts del projecte han sigut ja publicades i, quan Pellicer deposite la tesi, es publicarà la resta juntament amb el codi en obert, perquè així ho puga portar a la pràctica aquell que vulga. D'altra banda, l'enginyer industrial intenta buscar la millor manera de convertir-lo ell mateix en un producte final, encara que considera que desenvolupar i validar dispositius mèdics és una tasca complexa i costosa.

Pellicer considera dedicar-se a més projectes similars en un futur, pel fet que les tècniques desenvolupades per a pròstata es poden adaptar amb facilitat a altres òrgans i problemes, sent la principal limitació la quantitat i qualitat de les dades disponibles per a entrenar els algorismes. Actualment, l'enginyer industrial participa de diverses peticions al ministeri i a la Unió Europea, que d'obtindre finançament es dedicarien a la integració d'aquestes tècniques en un sistema de cribratge de càncer de pròstata intel·ligent.