Validación de un algoritmo de inteligencia artificial que combina la endoscopia y la histología, para la evaluación de la enfermedad, la respuesta al tratamiento y la predicción del pronóstico en la colitis ulcerosa y la enfermedad de Crohn

El proyecto FUSION tiene como finalidad desarrollar modelos avanzados de Inteligencia Artificial capaces de integrar información procedente de imágenes endoscópicas e histológicas para mejorar la evaluación clínica en pacientes con Enfermedad Inflamatoria Intestinal, especialmente Colitis Ulcerosa y Enfermedad de Crohn. A través de técnicas de deep learning y estrategias de fusión multimodal, el proyecto busca optimizar la predicción de respuesta al tratamiento, la evolución de la enfermedad y el pronóstico clínico, favoreciendo una medicina más precisa y personalizada.

Para abordar este desafío, FUSION propone el desarrollo de un sistema multimodal basado en Inteligencia Artificial capaz de combinar información procedente de endoscopias y biopsias histológicas digitales mediante técnicas avanzadas de integración de datos. Gracias a este enfoque, el sistema podrá combinar diferentes fuentes de información clínica para obtener una evaluación más precisa de la actividad de la enfermedad, mejorar la predicción de respuesta terapéutica y estimar el pronóstico de los pacientes de forma más fiable.

La metodología del proyecto combina el análisis de biopsias digitales e imágenes endoscópicas mediante sistemas de IA entrenados para detectar patrones asociados a la actividad inflamatoria y a la evolución de la enfermedad. Posteriormente, ambos tipos de información se integran mediante estrategias de late fusion, permitiendo desarrollar modelos predictivos más robustos y precisos para apoyar la toma de decisiones clínicas.

El proyecto pretende mejorar la precisión diagnóstica y reducir la variabilidad entre especialistas, facilitando tratamientos personalizados y optimizando el seguimiento de los pacientes. Además, FUSION impulsará nuevas aplicaciones de inteligencia artificial en gastroenterología y medicina digital, contribuyendo al desarrollo de herramientas clínicas innovadoras basadas en datos multimodales.

La investigación se desarrolla mediante una colaboración internacional entre University College Cork, la Universitat Politècnica de València (UPV), London South Bank University y ARTIKODE Intelligence S.L., integrando experiencia en gastroenterología, histología digital, visión por computador e inteligencia artificial aplicada a medicina. En este contexto, la UPV, a través del grupo de investigación Computer Vision and Behaviour Analysis Lab (CVBLab), participa en el desarrollo de modelos avanzados de análisis histológico y estrategias de fusión multimodal orientadas a la predicción clínica y el apoyo a la toma de decisiones médicas.