Universidad de La Rioja

Gadea Mata desarrolla en su tesis programas y algoritmos para estudiar enfermedades neurodegenerativas

Una tesis desarrollada en la Universidad de La Rioja (UR) plantea el uso de algoritmos y el ‘machine learning’ para procesar imágenes biomédicas en el tratamiento de enfermedades neurodegenerativas. Su uso puede contribuir al desarrollo de fármacos y terapias para dolencias como el Alzheimer, el Parkinson, la enfermedad de Huntington y otras que afectan a la capacidad neuronal, como los Ictus.

Desarrollada en el Departamento de Departamento Matemáticas y Computación de la UR, la tesis Procesamiento de imágenes biomédicas para el estudio de tratamientos en enfermedades neurodegenerativas de Gadea Mata ha logrado la calificación de sobresaliente ‘cum laude’ con mención internacional al título. La tesis ha sido dirigida por Julio Rubio y Miguel Morales.

En su tesis doctoral, Gadea Mata plantea una serie de herramientas matemáticas que permiten interpretar de forma más precisa y eficaz imágenes de neuronas afectadas por enfermedades neurodegenerativas.

El estudio de la estructura y funciones de estas células neuronales es muy importante para desarrollar fármacos y terapias adecuadas. De hecho, el recuento del número de sinapsis o la determinación de la densidad neuronal son fundamentales para medir la evolución y el comportamiento de las neuronas afectadas.

“Hasta ahora –explica la doctora Mata- se trabajaba de manera manual para obtener datos que indicaran, por ejemplo, si una sustancia estaba siendo eficaz en la potenciación neuronal; evitando así la muerte neuronal y/o consiguiendo más conexiones (sinapsis) entre las neuronas. Era necesario que un experto analizara una por una las imágenes”.

Fruto de la tesis se han diseñado programas que permiten automatizar este trabajo y obtener un análisis preciso de este tipo de imágenes. El fin era combinar la potencia de cálculo de los ordenadores con sistemas objetivos que eviten errores de interpretación. “Los algoritmos que hemos desarrollado agilizan el proceso, reduciendo el tiempo de análisis de las imágenes y dándole objetividad a los resultados”, explica Gadea Mata.

Estos algoritmos están inspirados en la Topología Algebraica Computacional, una rama de las matemáticas que estudia propiedades invariantes de los objetos.

La homología es una herramienta de esta rama que permite, por ejemplo, contar componentes conexas. Utilizando esta técnica se ha llevado acabo el estudio de la densidad sináptica, entre otras aplicaciones.

Gadea Mata ha aplicado también técnicas de aprendizaje automatizado, o machine learning, para la localización de neuronas en imágenes de gran tamaño y su descripción.

“El uso de estos conceptos –señala Gadea Mata- ha servido para diseñar e implementar herramientas que facilitan al usuario la interpretación de las imágenes neuronales. Estos programas proporcionan objetividad, ahorran tiempo al experto y permiten rehacer el análisis de las imágenes de una manera más eficiente”.

Se trata, además, de herramientas que pueden ser usadas de manera libre por la comunidad científica. De hecho, la desarrollada para el cálculo de la densidad sináptica (denominada SynapCountJ) está siendo utilizada en distintos laboratorios internacionales.

“Pretendemos seguir trabajando para hacer más general este trabajo y extender nuestros algoritmos a otro tipo de imágenes biomédicas que no sean sólo neuronales”, concluye la doctora Gadea Mata.

Subir