�鶹����

A Real Academia Galega de Ciencias (RAGC), coa colaboracin da Axencia Galega de Innovacin (Gain) da Xunta de Galicia, fixo públicos este venres os Premios Transferencia de Tecnoloxa en Galicia 2022, destinados a recoecer traballos de investigacin aplicada, casos de éxito en transferencia de coecemento e casos de éxito empresarial de implantacin de tecnoloxa. PolyDeep, un sistema de intelixencia artificial desenvolvido desde a Escola Superior de Enxeara Informtica da �鶹���� e capaz de detectar e clasificar plipos colorrectais en tempo real, foi distinguido co galardn ao mellor traballo de investigacin aplicada.  

Na oitava edicin destes galardns, a entidade recibiu un total de 19 propostas. O seu xurado estivo composto polos membros da RAGC Pilar Bermejo, Alicia Estévez e Fernando Pérez; Mara José Mario e Elena Polo, de Gain; Judit Nogueiras, do Igape, e Luis Alfonso Álvarez, da Confederacin de Empresarios de Galicia. Os tres traballos distinguidos recibirn un premio de 6000 euros cada un e un diploma acreditativo. Os galardns entregaranse nun acto que se celebrar o 15 de xuo, s 19.00 horas, no Pazo de San Roque de Santiago de Compostela.

Unha investigacin aplicada

Segundo explican en nota de prensa desde a RAGC, dentro dos Premios Transferencia de Tecnoloxa en Galicia 2022 o premio Francisco Guitin Ojea a un traballo de investigacin aplicada, dirixido a recoecer a creacin, a cargo dun grupo de investigacin, dunha tecnoloxa anda non transferida e da que se deriven claras aplicacins para o desenvolvemento socioeconmico, recaeu no proxecto PolyDeep: sistema intelixente de deteccin e clasificacin en tempo real de lesins colorrectais mediante deep learning. O traballo foi realizado por persoal investigador do Grupo de ���Ա�����پ����������� SING (Sistemas Informticos de Nova Xeracin) da Escola Superior de Enxeara Informtica do campus de Ourense e pertencente ao CINBIO,  liderados por Miguel Reboiro e Daniel Gonzlez, e en colaboracin co Grupo de ���Ա�����پ����������� en Oncoloxa Dixestiva (GIODO), liderado polo doutor Joaqun Cubiella, do Servizo de Dixestivo do Complexo Hospitalario Universitario de Ourense.  

O traballo céntrase no eido do cancro colorrectal, o de maior incidencia en Espaa, con 18.187 novos casos en mulleres e 26.044 en homes en 2020 e con cifras en aumento. Na súa abordaxe, as colonoscopias son unha ferramenta de imaxe clnica esencial para a deteccin temper de lesins potencialmente malignas no colon, fundamentalmente plipos. O diagnstico e manexo dos plipos baséase na reseccin endoscpica e diagnstico histolxico posterior. Neste contexto, o equipo galardoado baseouse na intelixencia artificial para desenvolver un sistema de apoio que busca mellorar a deteccin e diagnstico de plipos colorrectais en tempo real durante as colonoscopias, redundando non s na mellora do diagnstico e tratamento do paciente, senn no potencial aforro de custos en forma de reseccins ou biopsias innecesarias. Permite ademais a clasificacin automtica dos plipos colorrectais, de xeito que o modelo avisa ao endoscopista durante a exploracin da presenza de plipos pero tamén do tipo de plipo detectado. No marco deste proxecto as e os investigadores crearon un amplo banco de imaxes e vdeos de colonoscopias con informacin histolxica e de localizacin de plipos que est dispoible para a comunidade cientfica a través do Biobanco do Instituto de ���Ա�����پ����������� Sanitaria Galicia Sur, instituto ao que pertencen os dous grupos participantes no proxecto, os grupos SING e GIODO.

“Facemos unha valoracin moi positiva da concesin deste premio, que recoece o potencial de transferencia de PolyDeep”, sinalan Miguel Reboiro e Daniel Gonzlez. Os lderes do proxecto destacan que o seu desenvolvemento foi “un reto” nado dunha primeira reunin entre os grupos SING e GIODO “da que saron moi boas ideas, entre elas a de desenvolver este sistema que en tempo real axudase deteccin de plipos”. A iniciativa, apuntan, desenvolveuse desde 2018 ata 2021 con financiamento da Convocatoria Retos da Sociedade do Ministerio de Economa, Industria e Competitividade e “conseguiu chegar a onde quera e ademais ten futuro”. Segundo explican os investigadores, o traballo continúa na actualidade co proxecto PolyDeep Advance, que acadou recentemente financiamento na convocatoria Probas de Concepto do Ministerio de Ciencia e Innovacin para realizar a validacin clnica deste sistema e o plan de acceso ao mercado para a súa comercializacin.

PolyDeep, lembran os seus responsables, continúa na lia de traballo do grupo SING de colaboracin co Complexo Hospitalario Universitario de Ourense “buscando tarefas ou problemas nos que poidamos aplicar intelixencia artificial e que redunden ou que busquen a mellora no diagnstico ou tratamento dos pacientes”. As, detallan, xa teen desenvolvido con anterioridade un sistema de deteccin de enfermidades nosocomiais chamado InNoCBR e implantando na actualidade en todos os hospitais do Sergas. “Este tipo de traballos que teen esta aplicabilidade, este impacto positivo na sociedade e neste caso en pacientes, para ns son algo moi importante”, comentan Miguel Reboiro e Daniel Gonzlez.

Outros dous galardns

O premio Fernando Calvet Prats a un caso de éxito de transferencia de tecnoloxa dun grupo de investigacin foi para o proxecto Ligandos fluorescentes como alternativa ao uso da radioactividade na industria farmacéutica, do grupo de Descubrimento e Sntese de Frmacos do Centro de ���Ա�����پ����������� en Qumica Biolxica e Materiais Moleculares (CiQUS) e da Facultade de Farmacia da Universidade de Santiago, integrado por Eddy Sotelo, Javier Sardina, Mabel Loza e José Brea, impulsores da empresa Celtarys Research. A firma explota unha novidosa tecnoloxa ideada polo equipo para o desenvolvemento de ferramentas fluorescentes para a industria farmacéutica, como alternativa ao uso da radioactividade nas fases tempers de descubrimento de frmacos. Por último, o premio Ricardo Bescansa Martnez a un caso de éxito de implantacin de tecnoloxa transferida foi para a posta en marcha da spin-off  BFlow SL, que naceu en maio de 2020 froito da colaboracin entre grupos de investigacin das facultades de Óptica e Fsica da Universidade de Santiago e a Fundacin de ���Ա�����پ�����������s Sanitarias de Santiago para optimizar o proceso de descubrimento de moléculas e frmacos grazas aplicacin da tecnoloxa microfludica mis avanzada.