Medicina in silico

El término medicina in silico se ejemplifica en iniciativas como el Virtual Physiological Human de la Comisión Europea y en institutos como el VPH Institute y el INSIGNEO Institute de la Universidad de Sheffield.

El Grupo de Oncología In Silico (ISOG) del Instituto de Sistemas de Comunicación e Informática del Instituto Técnico Nacional de Atenas (ICCS-NTUA) tiene como objetivo el desarrollo de modelos de simulación multiescala de tumores malignos (cáncer) orientados a la clínica para ser utilizados como sistemas de apoyo a la decisión individualizada del paciente y de planificación del tratamiento una vez completada la adaptación y validación clínica. Un objetivo adicional de la investigación del Grupo es simular ensayos clínicos oncológicos que, de otro modo, serían demasiado costosos o requerirían mucho tiempo y, en esta dirección, se han explotado infraestructuras de computación en malla, como la European Grid Infrastructure, para aumentar el rendimiento y la eficacia de las simulaciones. ISOG ha liderado el desarrollo del primer Oncosimulador tecnológicamente integrado, una empresa de investigación conjunta euro-japonesa.

En 2003, se desarrolló la primera vacuna basada únicamente en información genómica. La técnica de desarrollo de la vacuna, denominada «vacunología inversa», utilizó la información genómica y no la propia bacteria infecciosa para desarrollar la vacuna.

En diciembre de 2018, se puso en marcha el proyecto PRIMAGE, de cuatro años de duración. Este proyecto Horizonte 2020, financiado por la UE, propone una plataforma basada en la nube para apoyar la toma de decisiones en la gestión clínica de los tumores sólidos malignos, ofreciendo herramientas de predicción para ayudar al diagnóstico, el pronóstico, la elección de terapias y el seguimiento del tratamiento, basándose en el uso de novedosos biomarcadores de imagen, la simulación de crecimiento tumoral in silico, la visualización avanzada de predicciones con puntuaciones de confianza ponderadas y la traducción basada en el aprendizaje automático de este conocimiento en predictores para los Puntos Finales Clínicos más relevantes y específicos de la enfermedad.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.