Este 4 de febrero se celebra el Día Mundial contra el Cáncer. Uno de nuestros valores es el valor Healthy, nos preocupamos por la salud y por trabajar en un ambiente saludable.
Desde 2019, los kairoseros y kairoseras participamos en acciones con la AECC de Madrid, haciéndonos eco internamente de las acciones y medidas de prevención que nos indican.
Además, colaboramos con el Instituto de Investigación Sanitaria del Hospital Universitario La Paz, y los servicios asociados del Hospital en dos proyectos relacionados con el cáncer de los que estamos muy orgullosos:
- Lucadia: Desarrollo web de un mecanismo de interacción con kits no invasivos para estratificación de pacientes en biopsias líquidas o tejido de cáncer de pulmón. Este proyecto permite introducir los resultados de biopsias no invasivas (líquida o tejido), a los que se aplican algoritmos específicos para el diagnóstico del cáncer, diseñados por investigadores del grupo de Terapias Experimentales y Nuevos Biomarcadores en cáncer de IdiPAZ y del laboratorio de Epigenética del cáncer del Instituto de Genética Médica y Molecular –INGEMM- del Hospital Universitario La Paz. El KIT 1 es un normalizador del contenido de miRNAs en vesículas extracelulares procedentes de medio de cultivo (explantes y secretoma) y de plasma actuando como endógenos en este compartimento. El KIT 2 valora el estado de metilación del promotor del gen MGMT en DNA procedentes de muestra de tejido o de vesículas extracelulares en plasma. Las tecnologías utilizadas en el desarrollo web han sido Node.js y Angular.
- OncoSurvai: Gestión y análisis de supervivencia de pacientes con cáncer. El objetivo es proporcionar una herramienta que permita priorizar las mutaciones genéticas para la toma de decisiones. Están desarrollando un modelo de Machine Learning para hacer predicciones de supervivencia de pacientes combinando tres tipos de datos: genéticos (variantes), de bioespecimen (porcentaje tumoral, porcentaje de monocitos entre otros) y clínicos (sexo, edad, estado del cáncer). Se incorpora un servicio de Federated Learning que permite mantener la privacidad de los datos sensibles del paciente y la disminución de sesgos de predicción del modelo, permitiendo la creación de una red hospitalaria donde el modelo ML se retroalimente sin necesidad de que otros hospitales usen y contribuyan a la mejora del modelo de ML sin tener que compartir los datos de los pacientes.
Estamos encantados de poder aportar nuestro granito de arena. ¡Enhorabuena a la AECC de Madrid, al Hospital Universitario La Paz y a IdiPaz por el excelente trabajo!
