Anuncio de premios en salud — Galardonados en salud y derechos sexuales, reproductivos y maternos en 2023
30 January 2024
En 2023, Lacuna Fund lanzó una nueva convocatoria de propuestas en nuestro dominio de salud: salud y derechos sexuales, reproductivos y maternos. Esta convocatoria fue posible gracias al financiamiento del Centro Internacional de Investigaciones para el Desarrollo (IDRC) de Canadá. Hoy anunciaremos a quatro galardonados que han recibido financiamiento para ejecutar proyectos dentro de este enfoque. Estos equipos trabajarán para mejorar los resultados de salud y derechos sexuales, reproductivos y maternos (SRMHR) en África, a la vez que crearán bases de datos que mejorarán la atención posterior al alta para las madres y sus bebés, permitirán un mejor etiquetado de los datos de pruebas de Papanicolaou existentes y recopilarán nuevos datos para detectar de manera más eficaz el cáncer de cuello uterino, identificar y categorizar a las madres según complicaciones de parto de riesgo bajo a alto durante la atención prenatal, y más. En África, la salud y los derechos sexuales, reproductivos y maternos de muchas personas están lejos de ser una realidad. ¡Nos entusiasma que estos beneficiarios de Lacuna Fund desarrollen capacitaciones y conjuntos de datos de evaluación abiertos y accesibles para aplicaciones de aprendizaje automático sobre SRMHR en África!
También queremos reconocer y agradecer a nuestro Panel Asesor Técnico de SRMHR de 2023 y a los revisores asociados por su trabajo a la hora de simplificar un vasto grupo de aplicaciones y seleccionar una cartera diversa de proyectos para financiar: Caitlin M. Augustin (DataKind), Chris Seebregts (Jembi Health Systems), Deogratias Mzurikwao (Villgro Africa), Rosalind Parkes-Ratanshi (The Infectious Disease Institute Limited), Tracy Kobukindo (Last Mile Health).
Altas inteligentes para la madre y su bebé: desarrollo de capacidades para la mejora de la calidad impulsada por datos en la atención de la madre y el recién nacido
Contacto: Jessica Trawin (jessica.trawin@cw.bc.ca)
En 2020, 287 000 madres murieron por complicaciones durante el embarazo o el parto; un tercio de estas muertes (30 %) ocurren durante las primeras seis semanas después del parto (Organización Mundial de la Salud, 2023). Los enfoques de precisión de salud pública aprovechan la predicción de riesgos para identificar a las pacientes más vulnerables e informar decisiones en torno al uso de recursos escasos, como la frecuencia, la intensidad y el tipo de consultas de seguimiento de atención posnatal.
Sin embargo, estos enfoques no siempre predicen de forma correcta o precisa los riesgos para subgrupos específicos de mujeres estadísticamente subrepresentadas en la población total, como las mujeres que sufren el parto de un feto muerto. A través de este proyecto, el equipo prevé generar un conjunto de datos sintéticos de variables sociodemográficas y clínicas y resultados de salud para díadas de madres y recién nacidos en Uganda, para lo cual utilizará datos existentes recopilados durante estudios previos de observación. Se servirá de este conjunto de datos para mejorar su modelo de predicción de riesgos para identificar mujeres en alto riesgo de muerte o reingreso en las seis semanas posteriores a un parto en un hospital para predecir correctamente y con mayor precisión el riesgo para las madres que sufren el parto de un feto muerto. Trabajará con socios de investigación en Canadá para capacitar y orientar a los científicos de datos de Uganda en el desarrollo del modelo y la administración de datos, y para desarrollar capacidad local en este campo. El equipo usará los resultados para informar el desarrollo de un enfoque de precisión de salud pública con el fin de mejorar la atención posterior al alta que incluya a todas las madres y recién nacidos en asociación con el Ministerio de Salud de Uganda y otras partes interesadas en la salud materna.
Dr. Nathan Kenya-Mugisha, líder del proyecto
“Este proyecto se basa en nuestro trabajo previo de mejorar la atención posterior al alta a nivel infantil. Este premio de Lacuna Fund nos ayudará a superar algunas de las dificultades más apremiantes que enfrentamos en la prestación de atención médica de calidad a las personas de Uganda. En primer lugar, nos ayudará a desarrollar soluciones impulsadas por datos para mejorar la transición del hospital al hogar para las madres y sus bebés recién nacidos, algo fundamental para mejorar la supervivencia. En segundo lugar, ayudará a desarrollar capacidad de ciencia de datos enfocada en la salud aquí en Uganda, que respaldará este trabajo y muchas otras iniciativas que ayudan a las personas vulnerables”.
— Dr. Nathan Kenya-Mugisha, director médico ejecutivo, WALIMU
Conjunto de datos para la estratificación de riesgos de salud en Tanzania para un aprendizaje automático predictivo y responsable
Contacto: Rukia Mwifunyi (rukiahilda@gmail.com)
El objetivo de este proyecto es mejorar la identificación temprana de mujeres embarazadas en riesgo de sufrir complicaciones durante el parto, un aspecto fundamental de la atención prenatal para reducir los resultados adversos al momento del parto. Esta mejora se ejecutará mediante la implementación de la estratificación de riesgos para la salud materna (MHRS), que implica categorizar a las mujeres embarazadas en diferentes niveles de riesgo (p. ej., alto, medio y bajo) en función de un análisis integral de datos objetivos y subjetivos derivados de reclamaciones y resultados de análisis de laboratorio. El objetivo es que los hospitales de remisión asignen los recursos de manera más eficaz y se enfoquen en los embarazos de alto riesgo, mientras los embarazos de bajo riesgo se controlan en centros de salud comunitarios. Por ende, el objetivo principal es crear un conjunto de datos abiertos e inclusivos de MHRS para aplicaciones de aprendizaje automático equitativas y responsables que puedan predecir posibles resultados adversos de parto en las primeras etapas del embarazo. Este conjunto de datos se recopilará de mujeres embarazadas que asistan a centros de salud materna en distritos marginados de varias regiones de Tanzania, donde en la actualidad los datos de salud materna individualizados son escasos o no accesibles para el público.
“En asociación con el Muhimbili National Hospital (MNH), el Ministerio de Salud (MoH) y la Oficina del Presidente, Administración Regional y Gobierno Local de Tanzania (MoPO-RALG), la Universidad de Dodoma (UDOM) establecerá un conjunto de datos inclusivos y accesibles para la estratificación de riesgos para la salud materna (MHRS). Esta iniciativa busca facilitar aplicaciones de aprendizaje automático responsables capaces de predecir posibles resultados adversos de parto durante las etapas iniciales del embarazo. A fin de garantizar la representación y la inclusión de las comunidades marginadas, nuestro equipo del proyecto recopilará y categorizará de forma eficaz los datos de mujeres embarazadas que acudan a centros de salud materna durante nueve meses como mínimo. Nos enfocaremos en cinco distritos marginados ubicados en varias regiones de diferentes zonas de Tanzania. Confiamos en que este proyecto hará una contribución significativa a la mejora de los resultados de salud materna en Tanzania. Nos emociona comenzar con este proyecto y agradecemos enormemente a Lacuna Fund por darnos esta oportunidad excepcional”.
— Rukia Mwifunyi, investigadora principal, UDOM
Conjunto de datos africanos de imagenología mamaria para la atención equitativa del cáncer (The ABreast Data)
Contacto: Michael Kawooya (kawooyagm@yahoo.co.uk)
Usuarios de Twitter: @mailab_io @ECUREI Ug
En este estudio se introducirá un enfoque de atención mamaria impulsado por datos y basado en la comunidad para cerrar las brechas en la detección temprana del cáncer de mama en las mujeres africanas negras, que tienen los índices más altos de muerte prematura por cáncer de mama en el mundo. El equipo planifica seleccionar un conjunto de datos de imagenología mamaria anotados y de alta calidad de escaneos de ultrasonido para centros de atención (POC-US) de 100 mujeres ugandesas y nigerianas recopilados en intervalos regulares en la comunidad. El conjunto de datos se combinará con mamografías recopiladas en centros de diagnóstico por imágenes, datos patológicos de biopsias y perfiles clínicos integrales. Este conjunto de datos proporcionará los primeros datos de capacitación y evaluación de imagenología mamaria abiertos y accesibles para aplicaciones de aprendizaje automático (AU) en mujeres africanas negras y, según lo que sabemos, los primeros datos POC-US disponibles de forma pública en el mundo. Más importante aún es el hecho de que, a medida que las tecnologías de imagenología de bajo costo muestran promesas clínicas, como POC-US y ahora las imágenes por resonancia magnética (IRM) POC, incluyendo la reciente POC-IRM desarrollada en Uganda, este conjunto de datos permitirá establecer un marco de programas de detección basados en la comunidad y guiados por AU con el objetivo de democratizar los servicios de imagenología para aumentar el acceso a la atención diagnóstica de alto valor en poblaciones vulnerables.
Para lograrlo, se seleccionará un conjunto de datos de imagenología inclusiva emparejados con etiquetas de marco real, y se usará dicho conjunto para desarrollar un método de AU que permita la segmentación de imágenes/identificación de patologías para un diagnóstico rápido. La experiencia del equipo en radiología comunitaria, incluyendo la capacitación de trabajadores de salud para brindar servicios radiológicos básicos y de primera línea en entornos rurales y con recursos limitados, se aprovechará para establecer el marco de recopilación de datos a nivel comunitario. El flujo de trabajo de recopilación de datos paso a paso incluirá las siguientes características clave: autoevaluación de mamas en el hogar; conciencia sobre el cáncer de mama y capacitación en investigaciones participativas en la comunidad; inscripción de participantes en el estudio; recopilación de imágenes y datos clínicos. El equipo, junto a la comunidad, brindará un conjunto de datos etiquetados por AU y de alto valor para POC-US que podría facilitar el tratamiento del cáncer de mama, retrasar su aparición o trabajar para encontrar estrategias de prevención para la totalidad de pacientes con cáncer de mama.
El Ernest Cook Ultrasound Research and Education Institute (ECUREI), en colaboración con The Medical Artificial Intelligence Laboratory (MAI Lab) en Crestview Radiology Inc, establecerá un conjunto de datos representativos para el desarrollo de herramientas de imagenología para mejorar significativamente la detección del cáncer de mama en África subsahariana. Este proyecto representa una oportunidad única para la aplicación de técnicas de aprendizaje automático para desarrollar soluciones sólidas de imagenología para centros de atención que llevarán la imagenología de diagnóstico avanzada a la comunidad y a los grupos en riesgo más vulnerables, que a menudo no pueden acceder a dicha atención. Este esfuerzo conjunto se basa en los proyectos anteriores del equipo financiados por Lacuna en el área de salud y equidad, y se servirá de protocolos y métodos de selección y anotación de datos de imagenología médica para garantizar el éxito del proyecto. Estamos agradecidos por el apoyo continuo de Lacuna Fund en el avance de la ciencia de datos en África.
— Prof. Michael Kawooya, líder del proyecto, Ernest Cook Ultrasound Research and Education Institute (ECUREI)
Selección de un conjunto de imágenes digitales de pruebas de Papanicolaou para la detección automatizada del cáncer de cuello uterino en Uganda
Contacto: Rose Nakasi (g.nakasirose@gmail.com)
El cáncer de cuello uterino es un problema de salud reproductiva entre las mujeres que representa una dificultad de salud pública significativa en los países de bajos y medios ingresos. Con el fin de reducir el índice de casos y de mortalidad asociado con el cáncer de cuello uterino, la detección y el diagnóstico confiables y tempranos de la enfermedad son fundamentales. Las pruebas de Papanicolaou con microscopia en la detección del cáncer de cuello uterino es un componente central de las recomendaciones actuales de OMS. En Uganda y África subsahariana, el uso de la microscopia en las pruebas de Papanicolaou se ve afectada por la falta de experiencia a la hora de interpretar las imágenes, lo que perjudica la eficacia, la eficiencia y la precisión de la detección del cáncer de cuello uterino. El equipo del proyecto tiene como objetivo seleccionar un conjunto de datos digitales a partir de diapositivas existentes con imágenes de pruebas de Papanicolaou utilizando nuestros aparatos de recopilación de datos ya desarrollados, mediante un teléfono inteligente incorporado a la lente de un microscopio. Este conjunto de datos localizados y etiquetados se usará para la detección automatizada del cáncer de cuello uterino en el mundo real en Uganda. En colaboración con microscopistas, patólogos y expertos en citología de cáncer en el hospital de remisión de Mulago, este estudio proporcionará un conjunto de datos con imágenes etiquetadas de pruebas de Papanicolaou de 1000 imágenes. Los conjuntos de datos estarán registrados en formatos que abarquen una amplia variedad de casos de aprendizaje automático, incluyendo detección de objetos, clasificación y tareas de segmentación. Se espera que los conjuntos de datos de imágenes se utilicen para la detección eficaz del cáncer de cuello uterino y para lograr una mejor salud reproductiva en las mujeres de África subsahariana.
“Con el apoyo de Lacuna Fund, se seleccionará un conjunto de datos localizados y etiquetados de microscopia en las pruebas de Papanicolaou para la detección automática del cáncer de cuello uterino en el mundo real para mejorar la salud reproductiva de las mujeres en Uganda”.
— Dra. Rose Nakasi, investigadora principal
