Nuevo método diagnóstico que permite la cuantificación objetiva de la esteatosis macrogotular en secciones de hígado donante pre-transplante mediante algoritmos de machine learning y análisis de imagen. La tecnología emplea modelos pre-entrenados y una interfaz web para identificar patrones celulares característicos, facilitando la evaluación de la viabilidad del órgano. Es útil para prevenir complicaciones post-trasplante asociadas a órganos con alta esteatosis.
Necesidad del mercado
La evaluación de la esteatosis macrogotular en hígados donantes es imprecisa y variable, lo que dificulta decisiones rápidas en trasplantes. La grasa hepática afecta la viabilidad del órgano y su función post-trasplante. La acumulación excesiva incrementa el riesgo de complicaciones y fracaso del trasplante. Los métodos actuales son manuales y lentos, limitando la eficiencia clínica. Existe una necesidad urgente de herramientas precisas que permitan prevenir complicaciones post-trasplante mediante la cuantificación objetiva de la esteatosis.
La solución del IMIB
La aplicación web utiliza algoritmos de machine learning para cuantificar de forma objetiva la esteatosis macrogotular en cortes de hígado teñidos con Sudan, facilitando la identificación de patrones celulares relevantes. En pruebas in vitro, los modelos pre-entrenados permiten resultados rápidos y precisos en menos de una hora, superando la exactitud de métodos manuales convencionales. En estudios con muestras de hígado donante, la herramienta ha demostrado robustez y fiabilidad, apoyando la evaluación de la viabilidad del órgano y optimizando la toma de decisiones pre-trasplante.
Ventajas competitivas
Estado del desarrollo
TRL-7 Validación en entorno real
Colaboración propuesta
Licencia
Propiedad intelectual-Contenido digital
Propiedad intelectual
Fecha registro: 5/10/2021
Financiación
Proyecto 21104/PDC/19 financiado por Fundación Séneca
Contacto
Unidad de Apoyo a la Innovación IMIB
innovacion@imib.es