Combinando la ingeniería, las matemáticas y la medicina, Héctor Gómez ha conseguido desarrollar uno de sus proyectos más reconocidos, MuSIC, que utiliza modelos matemáticos y algoritmos para la predicción del cáncer de próstata de una manera individual para cada paciente. Este ingeniero gallego confía en la evolución de su proyecto hasta que deje de ser un hallazgo teórico y pueda aplicarse de forma directa en el campo médico.
¿Cómo de cerca estamos de encontrar una cura efectiva contra el cáncer?
— Se habla de cáncer, pero en realidad, el cáncer son más de cien enfermedades. Intentar encontrar una cura para el cáncer sería como intentar encontrar una cura para cien enfermedades a la vez. Nosotros no nos dedicamos a encontrar una cura, lo que intentamos hacer es que cuando llega un paciente con cáncer, podamos decirle si su cáncer va a evolucionar muy rápido o muy despacio.
¿A qué se debe que haya decidido investigar sobre este tipo de cáncer en concreto?
— Es un tipo de cáncer bastante complicado de diagnosticar, sobre todo su severidad, y descubrimos que utilizando imágenes médicas de alta calidad —en este caso resonancias magnéticas— podíamos obtener una gran cantidad de información.
¿Esta metodología se aplica o podría aplicarse a otros tipos de cáncer?
— En el campo de la medicina las cosas suceden primero a un nivel científico —para tratar de entender por qué y cómo suceden las cosas — y luego, existen otros muchos niveles hasta que un médico pueda llegar a utilizar esa tecnología con un paciente. Esta idea se está utilizando actualmente para varios tipos de cáncer a nivel científico, y hay pequeños intentos de llevarlo hasta un nivel médico. Hoy en día, no es habitual que cuando un paciente va al médico, se tome una decisión en base a lo que dice un algoritmo, pero hay pocas dudas de que en el futuro sí que se va a hacer así.
Medicina: "Encontrar una cura contra el cáncer sería lo mismo que encontrar una cura para cien enfermedades a la vez"
El proyecto inicial empezó en 2012, ¿cómo ha evolucionado desde que empezó hasta ahora?
— Lo que nosotros queremos hacer es, para cada paciente individual, ser capaces de identificar si va a tener un crecimiento rápido del tumor. No queremos hacerlo de forma estadística porque a cada paciente lo que le interesa es él mismo, los promedios le dan un poco igual. Hemos evolucionado en cómo poder hacer esa predicción y en cómo extraer de las imágenes médicas la geometría precisa de la próstata de cada paciente, de forma individualizada. También hemos sacado alguna conclusión interesante sobre la interacción de dos enfermedades que suelen aparecer de forma conjunta en patologías de próstata: la hiperplasia benigna de próstata podría, en cierto modo, proteger del propio cáncer.
Entonces, ¿cuáles son las dificultades a las que se enfrenta para que esta metodología no se utilice todavía a un nivel médico?
— El problema fundamental es conseguir más datos de calidad. La forma principal de conseguir datos para el crecimiento del cáncer es a través de las imágenes médicas ( resonancias magnéticas, TAC...), que no han progresado todavía lo suficiente para que tengamos los datos de calidad que necesitamos. Sin embargo, cualquier previsión sobre cómo va a evolucionar es positiva. Según la conocida como Ley de Moore, cada dos años se duplica la velocidad de los ordenadores. Una ley similar se aplica a la imagen médica. Por tanto, eso es una garantía de que vamos a seguir teniendo más datos y de mejor calidad.
En sencillas palabras, ¿cómo se aplican las matemáticas en el campo de la medicina?
— Básicamente, cuando uno quiere racionalizar una información o entender lo que sucede, es muy difícil hacerlo si no existen unas ecuaciones que lo describan.El ser humano utiliza las matemáticas y los modelos para entender prácticamente todo. Cuando se quiere entender cómo es un proceso en la naturaleza, el paso número uno es conseguir datos, y una vez se tiene la información, el segundo paso es racionalizarla para sacar conclusiones.
¿Cómo llega un ingeniero de caminos a dedicarse a la investigación de cáncer de próstata?
— Me dedico fundamentalmente a desarrollar modelos matemáticos y algoritmos para resolver diferentes problemas. Cada vez es más evidente que ese tipo de modelos son aplicables a cosas diferentes. Estamos viendo ahora cómo se utilizan estos modelos para estudiar cómo se propaga el coronavirus,o para ver qué tratamientos podrían ser eficaces. Por eso no es realmente tan sorprendente en las últimas décadas.
¿Cómo prevé el futuro tecnológico de la medicina?
— Una cosa que con certeza avanzará mucho es la información que el médico tiene de nosotros. El historial médico puede mejorar mucho, con bases de datos muy completas de nuestra anatomía y fisiología, prácticamente hasta tener una foto muy detallada de cómo es nuestro interior.
¿Cree que los avances tecnológicos podrían dejar en un segundo plano el diagnóstico de los médicos?
— No lo creo.Estos algoritmos de predicción se utilizan también en ingeniería, por ejemplo, para saber cómo se va a deformar un puente cuando pasan los coches por encima, pero nunca han sustituído al ingeniero. No creo que sea posible la automatización hasta el punto de sustituir a un profesional, no ha pasado en ningún otro campo y no creo que pase en la medicina.
Proyecto: "Queremos poder decirle a cada paciente si va atener un rápido crecimiento del tumor o no"
¿Qué otras cosas pueden predecirse con esa misma metodología?
— La metodología concreta que nosotros hemos desarrollado está pensada para el cáncer de próstata, pero variaciones de esa metodología pueden utilizarse para otro tipo de tumores.
Estas variaciones de las que habla, ¿cómo se podrían aplicar para la investigación del coronavirus?
— Desde que empezó la expansión del coronavirus ha habido muchas publicaciones en este sentido. Lo que se está intentando hacer es utilizar modelos matemáticos en dos modalidades: para encontrar tratamientos y para ver cómo se propaga en distintos escenarios con el fin de saber cómo puede frenarse dicha propagación.
Usted trabaja actualmente en Estados Unidos, ¿cuáles son las principales diferencias en investigación con respecto a Galicia?
— Los medios son diferentes. En España, la inversión en investigación es evidentemente menor y en Estados Unidos tienen un sistema más competitivo, donde la gente tiene más alicientes para competir. Por supuesto, también influye que allí el sistema económico es increíblemente fuerte, con una gran cantidad de empresas interesadas en los resultados de investigación que se producen en las universidades, cosa que aquí no ocurre.
