HomeAbout the InstituteResearch UnitsPeopleLinksPh.D ProgramEnglish Language Idioma EspañolWeb SearchIntranet Access
 
 
Presentación Transferencia de tecnología Industrial partnership Proyectos de innovación

Proyectos de innovación

Participamos en programas de innovación nacionales e internacionales, con financiación pública y privada y a menudo con la participación de socios de la industria. Proyectos impulsados desde IN.pulse:

  • Exitus: El cáncer puede considerarse uno de los mayores retos de la medicina actual. Mientras que el tratamiento para ciertos tipos de cáncer está mejorando, es obvio que cuando falla, los pacientes se enfrentan a un proceso de decaimiento gradual de su estado de salud hacia la muerte. Cuando el curar no tiene éxito, el cuidar se vuelve esencial. Y aunque a veces existan ciertos signos y síntomas muy claros que nos confirmen la situación del paciente unas horas antes de fallecer, en muchos casos la situación no está tan clara, y menos en semanas o días previos. La dilatada práctica clínica de médicos y enfermeras proporcionan un buen saber sobre lo que los pacientes necesitan. Sin embargo, el "ojo clínico" es a menudo intuitivo (difícil de transmitir, contrastar y entrenar) y a veces conflictivo, con más de una solución posible y sin instrumentos para tomar una decisión clara. En la era del "big data", y ante las innovaciones tecnológicas disponibles, el potencial es enorme para coordinar estas disciplinas aparentemente dispares de una forma fructífera.
    El estado de la técnica actual permite la posibilidad de encontrar un mecanismo para medir con precisión, alto rendimiento y de manera totalmente no-invasiva al paciente terminal (signos y cambios fisiológicos) y su ambiente para comprender el proceso de empeoramiento, y poder mejorar substancialmente la práctica clínica: diagnóstico, pronóstico, tratamiento, los cuidados en general y los Cuidados Paliativos en particular.
    El objetivo es desarrollar una herramienta (usando métodos de aprendizaje automático) para mejorar la calidad asistencial de pacientes oncológicos en estadio IV. En concreto, se pretende determinar con la mayor fiabilidad y antelación posible que el paciente ha entrado en fase agónica para reducir sus incomodidades y sufrimiento.
    Investigador principal: Dr. Santiago Canals

  • Lágrima :El objetivo del proyecto es el desarrollo de un sistema de estimulación del ojo mediante CO2 que incite a la producción de lágrima por parte del paciente sin afectar a la integridad del ojo, basado en el estesiómetro de Belmonte, para mejorar la precisión del diagnóstico del ojo seco.
    Investigador principal: Dr. Carlos Belmonte

  • Glioblastoma Multiforme: La novedad del proyecto consiste en desarrollar vectores moleculares biodregradables El glioblastoma multiforme (GB) se considera la forma más frecuente y agresiva de cáncer cerebral que representa el 15,4% de todos los tumores cerebrales primarios con una tasa de supervivencia de 14-15 meses. Los hechos de que las células madre de glioma resisten los tratamientos convencionales aumentan la necesidad urgente de abordar nuevas terapias de tratamiento para GB. Basados en los datos de investigación propios el IN ha encontrado:
    1- Que las células del GB necesitan interactuar físicamente con otras células alrededor de los vasos, conocidas como pericitos cerebrales (PC), para sobrevivir e infiltrar el tejido cerebral normal. Esta interacción precisa del funcionamiento normal de las moléculas CD44 y Cdc42. Su bloqueo implica la desaparición del GB en modelos animales experimentales (Caspani et al., 2015); y 2- Que como consecuencia de esta interacción entre GB-PC, el PC desactiva la respuesta inmune contra las células tumorales mediante la activación de la autofagia mediada por chaperonas (AMC). Este paso también es necesario para la estabilidad de la interacción entre las células, la eliminación de las propiedades anticancerígenas de los PC y la inhibición de la respuesta inmune, ya que bloqueando su molécula llave (Lamp2a) el tumor desaparece en modelos animales experimentales (Valdor et al, 2017 y 2019). El objetivo del proyecto es desarrollar vectores moleculares biodegradables que fijen secramina-A y la vehiculen de forma selectiva al tumor. Esto es en sí mismo un nuevo tratamiento contra el GBM, patentando el uso de Secramina como vector molecular de liberación selectiva.
    Investigador principal: Dr. Salvador Martínez

  • Diagnosis del Alzheimer mediante análisis de Glicosilación de sAPP: La enfermedad de Alzheimer (EA) es la forma más común de demencia senil y se caracteriza por la presencia de depósitos proteináceos cerebrales, las placas amiloides extracelulares y ovillos neurofibrilares intracelulares. Los ovillos neurofibrilares de la proteína citoesquelética tau anormalmente hiperfosforilada (P-tau) se dan en otras patologías, denominadas en conjunto tauopatías; pero la EA es la única tauopatía que cursa con depósitos fibrilares amiloides, placas, constituidos principalmente por el ß-amiloide o Aß. El Aß es así la proteína más específicamente relacionada con la EA. El Aß es un péptido de 40-42 aminoácidos producto del procesamiento proteolítico de la proteína de transmembrana conocida como precursor de la proteína amiloide (APP), glicoproteína de unos 700 aminoácidos. Especialmente la forma Aß42 (de 42 aminoácidos) es comúnmente aceptado que constituye el determinante de la neurotoxicidad en la EA. Es importante señalar que el APP es normalmente procesado por distintas vías que co-existen en condiciones fisiológicas normales. El procesamiento denominado amiloidogénico rendiría, además del Aß, un largo fragmento extracelular llamado sAPPß. El no amiloidogénico -que no rinde Aß- genera también un fragmento soluble largo denominado sAPPa.
    La determinación de tau y P-tau en el líquido cefalorraquídeo (LCR) se he mostrado con potencial diagnóstico de la EA pero presenta falta de especificidad frente a otras tauopatías y desórdenes neurológicos. Por ello se han desarrollado muchos estudios sobre la determinación de Aß42 como marcador diagnóstico más específico. Respecto al Aß42 como biomarcador se da la paradoja de que lo que existe en el LCR de EA es una disminución en sus valores. Ello se asume sería el resultado de dos efectos contrapuestos: i) existe un aumento de la producción de Aß en el cerebro, ii) el Aß cerebral producido en exceso a su vez promueve aumento de fibrilación, formación de placas y queda secuestrado en dichas placas amiloides. De este modo la cantidad de Aß que llega al LCR resulta ser menor de la encontrada en sujetos sin placas, es decir, sin EA. Por ello se hace difícil que el Aß en el LCR pueda ser considerado un marcador temprano o de progresión, y nuevos biomarcadores se hacen necesarios.
    Se plantea desarrollar un novedoso protocolo de análisis a medio camino entre el ELISA (enzyme-linked immunosorbent assay) y el ELLA (enzyme-linked lectin assay) tanto para sAPPa y sAPPß. Esta aproximación gira en torno a la lectina PHA y plantea estrategias que pueden combinarse. Todo ello con el ánimo de detectar cambios tempranos en la glicosilación de APP en el LCR de EA que constituyan la base de un biomarcador temprano para la EA.
    Investigador principal: Dr. Javier Sáez

  • Amortiguación viscoelástica para calzado deportivo basado en Hialurónico Sódico: Actualmente en la fabricación de calzado se emplea una gran variedad de dispositivos amortiguadores, especialmente en las zapatillas deportivas. Se trata de sólidos elásticos, a menudo llamados geles, hechos con diferentes materiales. La suela exterior está generalmente compuesta de caucho de carbono o un material similar. Los materiales más comunes para la entresuela son etileno acetato de vinilo (EVA), poliuretano (PU) o una combinación de ambos. Además, los dispositivos amortiguadores de los zapatos deportivos incluyen cámaras de aire (airbags) dentro de la suela de la zapatilla, situadas en los puntos apropiados, de modo que el pie comprime la cámara y el aire contenido en ésta ejerce un efecto de amortiguación elástica.
    El sistema de amortiguación natural del cuerpo humano no está construido con silicona, caucho o geles sólidos, sino con un polisacárido elastoviscoso, el HA, disuelto en agua. Por lo tanto, imitamos el sistema natural de absorción de impactos creando una combinación de HA nativo y gel de HA modificado para incorporar a la suela de los zapatos. El HA se desarrolló con éxito durante millones de años de evolución para incorporar en una sola molécula las propiedades viscoelásticas requeridas para absorber óptimamente las variaciones de presión y de cizallamiento que inciden sobre las articulaciones al estar de pie, caminar o correr. El objetivo de este proyecto es incorporar a la suela de las zapatillas deportivas un producto que imita las características del líquido sinovial natural en las articulaciones humanas y cuyas propiedades reológicas proporcionan una protección similar o ligeramente mayor que la que tiene el HA nativo. El gel elastoviscoso que se pretende emplear es HA de alta concentración. Este proyecto se basa en la observación de que el AH, diseñado para absorber en las articulaciones de las extremidades inferiores los impactos de diferentes características que produce la fuerza vertical cuando permanecemos de pie, o durante el caminar, correr y saltar, disipando dicha fuerza en el plano horizontal (protección elástica). Con ello, la intensidad de la fuerza que se transmite a las articulaciones de la cadena cinemática de la pierna disminuye, reduciendo el desgaste y la degeneración con el tiempo del cartílago de las mismas. Este sistema proporciona a las articulaciones un sistema adicional de protección natural, útil para la actividad atlética de los jóvenes y también de las personas de mayor edad, en las que hay mayor vulnerabilidad articular al trauma mecánico durante el ejercicio y también reducción del dolor.
    El objeto del proyecto consiste, toda vez que el comportamiento del HA ya ha sido evaluado en laboratorio, en optimizar la proporción adecuada de su uso dentro de la suela de un zapato, manteniendo sus propiedades beneficiosas para las articulaciones.
    Investigadores principales: Dra. Elvira de la Peña, Dr. Carlos Belmonte

  • Confort ocular: A pesar de la enorme oferta de lágrimas artificiales actualmente en el mercado, la mayor parte solo ofrece un alivio sintomático del disconfort y el dolor ocular a muy corto plazo o presentan numerosos efectos secundarios. Por eso constituye una gran oportunidad desarrollar un tratamiento basado en el empleo de moléculas activas con pocos o ningún efecto secundario.
    El objetivo de este proyecto es validar en laboratorio la eficacia de la molécula ONG-003 para el tratamiento del disconfort ocular eliminando los efectos secundarios e los tratamientos actuales para el alivio sintomático del disconfort y dolor ocular. Se parte de los resultados positivos obtenidos en una prueba de concepto del efecto del tratamiento agudo (con una sola gota) en cobayas albinos, cuyos resultados muestran que el tratamiento tópico ocular con ONG-003 aumenta la lagrimación basal sin provocar irritación o molestias oculares aparentes. El modelo del cobaya, tanto para estudios de registros electrofisiológicos “ex vivo” como de disconfort ocular “in vivo” ya ha sido utilizado por el grupo de investigación del IN para testar otras sustancias como potenciales tratamientos farmacológicos o su toxicidad, y se ha validado como un buen modelo de estudio preliminar a la traslación al estudio de la actividad en humanos. En ese sentido cabe destacar los estudios preclínicos realizados por nuestro laboratorio, empleando este modelo de cobaya, durante el desarrollo de las moléculas SYL 1001 y AVX-012, protegidas por sendas familias de patentes y que han finalizado los ensayos clínicos fase III y IIa, respectivamente.
    Investigadores principales: Dra. Juana Gallar, Dra. María del Carmen Acosta.

  • Modelo predictivo ECP en pacientes de Parkinson: La enfermedad de Parkinson (EP) es una enfermedad neurodegenerativa que afecta a más de 10 millones de personas. Se caracteriza por la progresiva degeneración de las neuronas dopaminérgicas de la sustancia negra. Esta pérdida induce cambios en el funcionamiento de los circuitos neuronales que desencadenan síntomas motores severos como, temblor, rigidez y bloqueo o congelación de la marcha, entre otros. Junto con el tratamiento farmacológico, basado en la administración del fármaco L-DOPA, la estimulación cerebral profunda (ECP) se ha desarrollado en las últimas décadas como un tratamiento eficaz para aminorar los síntomas motores de la enfermedad. Sin embargo, y pese a los beneficios que ha supuesto este tratamiento en términos globales, se trata de una técnica invasiva que precisa de cirugía intracraneal, que conlleva riesgos asociados que pueden derivar en importantes problemas físicos y psicológicos. Por lo tanto, resulta imprescindible identificar a priori, antes de la intervención, en que pacientes será exitoso o en cuales fracasará la ECP, así como las características y particularidades del tratamiento que mejor se adaptan a cada paciente. La ECP es una técnica que consiste en la implantación bilateral de electrodos en el STN del cerebro. Se trata de una terapia quirúrgica invasiva, que en algunos casos puede evolucionar en complicaciones físicas (hemorragias, infecciones u otras) y también cognitivas y psiquiátricas (depresión, confusión u otras). Existen una guías establecidas para la selección de candidatos a ECP. Entre la sintomatología clínica preECP se acepta la presencia de CDM cuando esta ocurre sólo en la condición off-medicación y muestra una respuesta completa a la medicación dopaminérgica. No obstante, queda por entender por qué en algunos pacientes no se obtiene el beneficio esperado, en concreto en lo que se refiere a CDM. Por tanto, determinar factores clínicos, anatómicos, de estimulación o farmacológicos que se relacionen con un empeoramiento de la CDM tras la ECP sería de gran ayuda para mejorar la selección de los candidatos, optimizar la estimulación y el tratamiento farmacológico tras la ECP. Por su parte, los modelos predictivos basados en Inteligencia artificial han demostrado un potencial muy prometedor en la aplicación médica y cada vez surgen nuevas aplicaciones basadas en esta técnica para el ámbito clínico y biomédico, por ejemplo, el diagnóstico del Parkinson (Satapathy et al. 2014; Challa et al. 2016; Kotsavasiloglou et al. 2017). En este proyecto se utilizarán técnicas avanzadas de análisis de datos e inteligencia artificial para alcanzar los objetivos. La enfermedad de Parkinson es causada por la progresiva desaparición de las neuronas dopaminérgicas. La falta de dopamina produce cambios en los ganglios basales, principalmente en la actividad del núcleo estriado, dando lugar a las alteraciones motoras y cognitivas que caracterizan la enfermedad. No existe cura para la enfermedad de Parkinson. En muchos casos, el tratamiento recomendado es la estimulación cerebral profunda (ECP). Si bien suele ser eficaz en la mitigación de los síntomas, no siempre lo es, por causas todavía desconocidas.
    El objetivo de este proyecto es el desarrollo de un modelo predictivo de la eficacia de la ECP, basado en datos demográficos, clínicos y relativos a la estimulación. Esta herramienta ayudará al diseño del tratamiento y a la decisión de si realizar una cirugía de ECP o no, ya que conlleva un riesgo evidente para el paciente. Además, la modelización de los datos proporcionará una guía de los parámetros de estimulación eléctrica (intensidad, duración, polaridad...) e incluso anatómicos, sobre la mejor localización de los electrodos dentro del SNT, en el caso de que se decida realizar la cirugía de ECP.
    Investigador principal: Dr. Ramón Reig

  • Soledad en geriatría: Las redes de apoyo e interacciones sociales son un pilar importante en la salud mental de las personas. La pandemia actual ha evidenciado aún más cómo la soledad y el aislamiento social pueden tener un impacto negativo en el bienestar emocional, factores que pueden acuciar otros problemas de salud física y cognitiva. La población geriátrica ha sido uno de los sectores poblacionales más afectados por la pandemia covid19, tanto a nivel de mortalidad, como en relación a los efectos negativos del aislamiento social. Sin embargo, la carencia de marcadores objetivos que permitan identificar aquellas personas que se encuentran en situación de vulnerabilidad dificulta la eficacia del trabajo asistencial y obstaculiza la aplicación de tratamientos personalizados en momentos en los que el personal sanitario y asistencial ha tenido que adaptar sus rutinas a protocolos estrictos para maximizar la seguridad.
    Se propone una nueva aproximación para la identificación temprana de momentos de soledad subjetiva y estrés emocional que puedan alertar al personal asistencial o a los familiares, para diseñar e implementar actividades asistenciales. Para ello, se utilizarán medidas telemétricas multidimensionales, de diferentes registros fisiológicos, acompañados de medidas de distancia social y de informes subjetivos de bienestar emocional. Proponemos tomar ventaja del análisis de este Big Data, y mediante análisis de inteligencia artificial, identificar las redes de marcadores indicativas de episodios de soledad subjetiva percibida por la población geriátrica. Con el uso de dispositivos telemétricos portables, en conjunción con evaluaciones periódicas y simples de bien estar emocional, se puede validar el potencial predictivo de determinados marcadores, para identificar estados de vulnerabilidad emocional y física. En un primer estadío, este proyecto se centrará en población geriátrica localizada en residencias de la tercera edad, ya que proporcionan un contexto más controlado. Sin embargo, en estadios futuros nuestra intención es ampliar estas herramientas de identificación objetiva a otros ámbitos, como a aquellas personas que viven solas en sus domicilios.
    Investigador principal: Dra. Cristina Márquez

  • Atmósfera: El objetivo del proyecto Atmósfera es estudiar el comportamiento en grupos de niños para establecer patrones que permitan mejorar, evaluar y medir con unas bases científicas el rendimiento académico, calidad de la enseñanza y entorno de aprendizaje.
    Investigador principal: Dr. Álex Gómez-Marín

  • Imagen Multimodal: El objetivo de este proyecto es el desarrollo de técnicas de análisis basadas en aproximaciones big data y aprendizaje automático para añadir una nueva dimensión a los biomarcadores de imagen cerebral. Se trata de combinar imágenes de resonancia magnética (MRI) con otras fuentes de datos ómicos para mejorar diagnóstico y pronóstico de enfermedades neurológicas y psiquiátricas. El objetivo es completar un protocolo combinado de imagen cerebral y análisis mediante aprendizaje automático.
    Investigador principal: Dr. Santiago Canals

  • Deep Learning: Las patologías englobadas en el grupo de las psicosis son enfermedades complejas que surgen mayoritariamente durante la adolescencia con una prevalencia de alrededor del 2% en la población general. Se trata de una enfermedad crónica de etiología multifactorial que se ha relacionado con factores predisponentes, (genéticos, complicaciones obstétricas y perinatales, entre otros) y con factores precipitantes, (uso de sustancias y estresores vitales) y que afecta a funciones cerebrales determinantes para el funcionamiento en la vida social, familiar y personal como las emociones, la percepción, el pensamiento y la conducta. Para el correcto diagnóstico de este grupo de enfermedades es necesario un seguimiento de los pacientes en las unidades mentales de los hospitales de, al menos, 24 meses de duración donde se realizan diferentes entrevistas, protocolos y pruebas fisiológicas con el objetivo de poder discernir entre esquizofrenia (una forma de psicosis de larga duración) y brote psicótico (una manifestación abrupta de lo que se podría considerar la sintomatología positiva de la esquizofrenia durante un breve periodo de tiempo). Las unidades de atención mental hospitalarias de referencia atienden a unos 2.600 pacientes al año, de los cuales unos 700 serán finalmente diagnosticados como esquizofrénicos. Este hecho pone de manifiesto que se trata de una enfermedad compleja y costosa, en términos económicos y personales, tanto para las entidades sanitarias como para los propios pacientes y familiares. Según datos del año 2018, el coste asociado a la esquizofrenia en España fue de unos 8.000 millones de Euros, incluyendo costes directos e indirectos; es decir, aproximadamente un 10% del presupuesto sanitario anual. La aplicación de Inteligencia Artificial (IA) tiene un gran potencial en este contexto pudiendo ser muy relevante en el diagnóstico preciso de cada paciente. El uso de aprendizaje automático podría ayudar a identificar combinaciones de variables, ya recogidas en estas unidades mentales, donde la estadística convencional no puede llegar, y que posibilitarán la predicción anticipada del diagnóstico dentro de las primeras semanas a partir del primer episodio psicótico, considerando factores familiares, ambientales, respuesta al tratamiento, etc.
    El objetivo final es transferir y validar este modelo en las unidades de Atención de Primeros Episodios Psicóticos o Unidades Mentales de los hospitales para la mejora de los servicios a los ciudadanos y la reducción de costes.
    Investigador principal: Dr. Luis Miguel Martínez

 
 
Consejo Superior de Investigaciones Científicas
Universidad Miguel Hernández

Campus de San Juan | Sant Joan d’Alacant
Alicante | España

in@umh.es
Tel. + 34 965 23 37 00
Fax + 34 965 91 95 61
© 2004-2020 Instituto de Neurociencias
Alicante | España | Legal Note |
Diseño web Digital Nature