Ayesa Digital acelera el estudio de la ELA aplicando computación cuántica e IA
Busca modelos avanzados capaces de identificar marcadores y pronósticos relevantes tempranos de cara a combatir la enfermedad
La medicina de precisión será capaz de adaptar los tratamientos a las características genéticas y biológicas de cada paciente
Ayesa Digital lidera el proyecto NEUROQIAl, una ambiciosa iniciativa de I+D que busca aplicar computación cuántica e inteligencia artificial (IA) al estudio y tratamiento de la esclerosis lateral amiotrófica (ELA). El proyecto forma parte de la convocatoria Gipuzkoa Quantum, promovida por la Diputación Foral de Gipuzkoa, que tiene como objetivo fomentar el desarrollo de tecnologías cuánticas aplicadas a sectores estratégicos.
Aunque se trata de una patología poco frecuente —con entre 2 y 16 casos por cada 100.000 habitantes—, su rápido avance y la falta de tratamientos efectivos la convierten en uno de los mayores retos biomédicos actuales. Además, su diagnóstico temprano resulta extremadamente complejo, ya que los síntomas iniciales son inespecíficos y fácilmente confundibles con otras patologías.
El proyecto NEUROQIA se enmarca en este desafío y tiene como objetivo desarrollar modelos avanzados de IA cuántica capaces de identificar marcadores y pronósticos relevantes en la ELA. Para ello, integrará información clínica, genómica y ambiental en un modelo de análisis multimodal que permitirá detectar patrones ocultos en cohortes reducidas de pacientes y avanzar hacia un enfoque verdaderamente personalizado del diagnóstico y el tratamiento.
La computación cuántica, combinada con la inteligencia artificial, ofrece una capacidad sin precedentes para procesar y correlacionar grandes volúmenes de datos biomédicos complejos. Gracias a su enorme potencia de cálculo, los algoritmos cuánticos pueden identificar relaciones entre variables genéticas, clínicas y ambientales imposibles de detectar mediante métodos tradicionales. En el caso de la ELA, esta capacidad resulta especialmente valiosa debido a la heterogeneidad de la enfermedad y al reducido número de pacientes disponibles para los estudios clínicos.
