Tras la revisión realizada durante este último año del proyecto LUCIA (Understanding Lung Cancer related risk factors and their Impact Assessment) por parte de la Comisión Europea, y con la participación de los expertos externos Ildiko Kissné Horváth, vinculada al Ministerio de Recursos Humanos, la Universidad Semmelweis y el Instituto Nacional Koranyi de Neumología; así como de Raouf Naguib, de BIOCORE Research and Consultancy, pasamos a describir algunos de los aspectos más significativos del proyecto en sus distintos enfoques.
En el cáncer de pulmón, los avances más interesantes ya no vienen solo de una nueva prueba, un biomarcador aislado o un algoritmo que funciona bien en laboratorio. Lo que empieza a marcar la diferencia es la capacidad de conectar elementos que normalmente avanzan por separado y eso es lo que hace especialmente interesante el proyecto LUCIA.
El proyecto reúne en una misma iniciativa varias líneas que hoy están ganando peso en la investigación del cáncer de pulmón: modelos más sofisticados de estratificación de riesgo, tecnologías no invasivas para screening y diagnóstico, análisis multi-ómico, inteligencia artificial aplicada a datos longitudinales y una infraestructura de datos diseñada para que todo esto pueda convivir de forma interoperable y trazable.
Del dato fragmentado a una arquitectura común
Uno de los pilares de LUCIA es su base tecnológica. El proyecto ha desarrollado una Health Data Platform (HDP) que actúa como repositorio central para datos, modelos y herramientas analíticas.
A esto se suma un Virtual Research Environment (VRE) que permite trabajar con navegación de datos, notebooks, inferencia de modelos, módulos de imagen, componentes GeoAI y analítica visual de factores de riesgo.
Aquí la interoperabilidad no se plantea como un añadido técnico de última hora, sino que es un punto de partida. Por eso, el proyecto ha trabajado con OMOP-CDM para mapear cohortes retrospectivas y el dataset prospectivo unificado, especialmente en áreas como diagnósticos, prescripciones y resultados de laboratorio.
También se ha buscado alineación con el EHDS a través de HealthDCAT-AP. Esto es clave si se piensa en reutilización del dato, en compartir información de forma estructurada y en escalar este tipo de iniciativas dentro del contexto europeo.
Dicho de forma simple: LUCIA no solo genera conocimiento, también crea la estructura necesaria para organizarlo.
Modelos de riesgo más cerca de la práctica clínica
Otra contribución importante del proyecto está en los algoritmos de riesgo basados en historia clínica electrónica. Frente a enfoques apoyados casi exclusivamente en variables clásicas, LUCIA trabaja con datos temporales estructurados en formato OMOP para predecir la incidencia de cáncer de pulmón a un año. En este contexto se comparan distintos enfoques: Logistic Regression, RNN, STraTS-no time y STraTS.
En el caso de RNN se está yendo a Transformers (como STraTS) en investigación clínica por varias limitaciones estructurales de las RNN cuando se aplican a historias clínicas electrónicas (EHR) y a datos longitudinales complejos porque ese modelo de datos se adapta muy bien a arquitecturas tipo token/evento.
Más allá de las cifras, lo interesante es lo que sugiere: cuando la historia clínica está bien estructurada, puede revelar señales de riesgo que no siempre aparecen cuando solo se miran variables tradicionales como edad o tabaquismo.
Riesgo clínico, pero también ambiental y territorial
LUCIA amplía además el concepto de riesgo incorporando una capa que muchas veces queda fuera del análisis: el contexto ambiental y geoespacial. Entre los factores que aparecen como relevantes figuran el radón, las partículas PM2.5, la cobertura del suelo, el acceso a espacios verdes o los índices de privación.
Tecnologías no invasivas que ya generan datos reales
Uno de los bloques más llamativos del proyecto es el dedicado a sensores no invasivos para screening y diagnóstico. Aquí LUCIA no se queda en una idea prometedora, despliega tecnologías concretas y genera datos a una escala suficiente como para analizarlos con modelos avanzados. Entre estas tecnologías están el Breath Analyzer (BAN), el Wide-spectrum-biomarker multi-use sensing patch (WBSP) y Spectrometry-on-card (SPOC).
Biomarcadores y multi-ómica para afinar la estratificación
LUCIA también trabaja en otro de los frentes más activos del momento:biomarcadores y análisis multi-ómico.
En el proyecto aparecen modelos basados en proteómica, metilación y metabolómica. A esto se suma una línea que integra variación genética y epigenética mediante inteligencia artificial. La combinación de señales de metilación y ADN mejora el rendimiento frente al uso exclusivo de metilación. Es decir, tratar la multi-ómica como una pieza más dentro de una aproximación integrada al riesgo.
Una innovación que también piensa en trazabilidad y regulación
Otro punto fuerte de LUCIA es que no separa el desarrollo tecnológico de su futura aplicación. La plataforma incluye componentes de gestión del ciclo de vida de la IA, seguimiento de experimentos, trazabilidad de modelos y herramientas para gestionar todo el proceso analítico. Además, el proyecto incorpora desde el diseño cuestiones relacionadas con Trustworthy AI, AI Act, GDPR y estándares CEN-CENELEC.
En un momento en el que la innovación en salud no solo tiene que demostrar rendimiento, sino también robustez, explicabilidad y cumplimiento normativo, este componente cobra especial relevancia.
Nuestro papel dentro de esta infraestructura
Dentro de esta arquitectura, participamos en el ecosistema digital que permite capturar, organizar y explotar la información del proyecto.
En particular, el estudio prospectivo se apoya en el eCRF integrado en la plataforma LUCIA. Esta herramienta permite estructurar la recogida de datos clínicos de forma consistente y facilitar su uso posterior en análisis avanzados y desarrollo de modelos.
Desde BILBOMÁTICA aportamos además una experiencia consolidada en el diseño y desarrollo de sistemas de información que trabajan con datos clínicos de distinta procedencia y naturaleza. Este conocimiento se ha construido a lo largo de múltiples proyectos en el ámbito sanitario, no solo en cáncer de pulmón, sino también en otras áreas como el cáncer de mama.
Nuestro trabajo se centra en facilitar que estos datos, a menudo generados en sistemas muy diferentes, puedan integrarse, estructurarse y utilizarse de forma coherente para investigación y toma de decisiones clínicas.
Una parte clave de este enfoque es la interoperabilidad. Contamos con experiencia en la implementación de estándares como HL7 y FHIR, fundamentales para que la información clínica pueda intercambiarse de forma segura y comprensible entre sistemas, instituciones y plataformas de investigación.
Este conocimiento es lo que permite que herramientas como el eCRF no sean solo un mecanismo de captura de datos, sino una pieza integrada dentro de una infraestructura más amplia, preparada para armonizar información clínica, soportar modelos analíticos avanzados y facilitar la reutilización del dato en entornos de investigación.
Lo que hace diferente a LUCIA
Lo realmente destacable de LUCIA no es una única tecnología: es la forma en que conecta varias capacidades que rara vez aparecen juntas con este nivel de concreción: mapeo a OMOP-CDM, alineación con EHDS y HealthDCAT-AP, algoritmos de riesgo como STraTS, modelos ambientales y geoespaciales, sensores no invasivos analizados con deep learning explicable y una base tecnológica pensada para trazabilidad, validación y explotación futura.
En un campo donde muchas iniciativas avanzan por separado, LUCIA aporta algo más difícil de construir: una verdadera lógica de integración.
En la investigación del cáncer de pulmón, esa integración puede ser tan importante como cualquiera de las innovaciones individuales que la componen.
Los avances logrados en el proyecto LUCIA han sido posibles gracias al trabajo conjunto de todo el consorcio. Queremos reconocer y agradecer la implicación de todos los socios, cuyo esfuerzo y colaboración han sido clave para alcanzar estos resultados.
La valoración positiva recibida durante la revisión refleja no solo la solidez científica y tecnológica de las soluciones desarrolladas, sino también la capacidad del consorcio para trabajar de forma coordinada y avanzar hacia un objetivo común.
Ahora, al llegar al final del proyecto, mantenemos ese mismo espíritu de colaboración. El objetivo es cerrar esta etapa consolidando resultados de calidad y aportando nuevos conocimientos que ayuden a mejorar el diagnóstico y la comprensión del cáncer de pulmón.
El proyecto LUCIA recibe financiación del programa de investigación e innovación Horizon Europe de la Unión Europea en virtud del acuerdo de subvención 101096473.