Guillermo Lorenzo Gómez (CITEEC) consegue unha das prestixiosas Bolsas Leonardo 2024

O investigador Ramón y Cajal da Universidade da Coruña Guillermo Lorenzo Gómez, membro do CITEEC da UDC, vén de acadar unha das prestixiosas Bolsas Leonardo que concede a Fundación BBVA. Fíxoo na modalidade de Enxeñaría, cun traballo no que aplicou tecnoloxías avanzadas de tecnoloxías intelixentes (Machine Learning) na investigación do cancro.
Trátase do traballo Personalized forecasting of the therapeutic response of triple negative breast cancer through MRI-informed biomechanistic simulations and machine learning (Previsión personalizada da resposta terapéutica do cancro de mama triplo negativo a través de simulacións biomecánicas informadas por resonancia magnética e aprendizaxe automática).
Lorenzo fíxose cun dos premios concedidos entre un total de 493 candidaturas presentadas, que consiste nunha dotación económica de 50.000 euros.
Guillermo Lorenzo Gómez é investigador contratado Ramón y Cajal do Departamento de Matemáticas da UDC. Na actualidade está vinculado ao Grupo de Investigación de Métodos Numéricos en Enxeñaría do Centro de Innovación Tecnolóxica en Edificación e Enxeñaría Civil (CITEEC), onde desenvolve o seu traballo, relacionado coa oncoloxía computacional para tratar de comprender mellor a bioloxía do cancro a través de modelos computacionais e descubrir novas formas de combater esta enfermidade, optimizando a atención clínica e personalizándoa para cada paciente.
A concesión desta bolsa supón para el un impulso e apoio importante á súa carreira investigadora, e, engade, “unha excelente oportunidade para diversificar as miñas liñas de investigación en oncoloxía computacional e poder desenvolver estas tecnoloxías para chegar a máis pacientes no futuro”.
No que respecta ao traballo polo que lle foi concedida a bolsa, o investigador comenta que busca obter predicións tumorais personalizadas para mellorar a xestión clínica do cancro de mama triplo negativo, “que é un subtipo difícil de tratar con éxito”. Para isto, o seu proxecto desenvolverá novos modelos computacionais híbridos que combinen unha formulación biomecánica dotada dun novo modelo de resposta quimioterápica con aprendizaxe automática.
O obxectivo é “obter predicións tridimensionais personalizadas deste tipo de cancro ao inicio do tratamento, das que poder obter biomarcadores dinámicos de resposta quimioterápica que informen aos clínicos sobre o resultado do tratamento de forma temperá”. Esta información, sinala, é básica para tomar decisións terapéuticas personalizadas, como axustes do plan de tratamento para reducir toxicidades en pacientes con boa resposta terapéutica ou para poder acadar unha maior redución do tumor antes da cirurxía e, así, aumentar as probabilidades de supervivencia á enfermidade.