En septiembre de 2002, dio comienzo el proyecto europeo INFOGENMED (IST-2001-39013) (http://www.infogenmed.net) [1] que finalizará en agosto de 2004. Este proyecto está coordinado por el grupo IEETA de la Universidad de Aveiro, Portugal, y en él participan grupos de investigación y empresas lusas, suecas y españolas. En concreto por parte española participan el Grupo de Informática Biomédica de la Universidad Politécnica de Madrid y el Área de Bioinformática del Instituto de Salud Carlos III. En este tiempo, se ha diseñado una herramienta que trata de dar respuesta a las inquietudes manifestadas en las entrevistas y cuestionarios cumplimentados por los usuarios finales (genetistas médicos, clínicos, investigadores), llevadas a cabo al principio del proyecto. El resumen de las mismas se centra en la necesidad de integrar las fuentes de información de naturaleza heterogénea, ampliamente distribuidas por la web, en un repositorio virtual que acceda a datos clínicos, genéticos y moleculares sobre una patología en un único entorno, fácilmente accesible por el usuario.

Hasta la fecha, las bases de datos contabilizadas en la actualización anual de "The Molecular Biology Database Collection: 2004 update" [2] suman 548, categorizadas jerárquicamente. La especificidad de estos recursos y la especialización requerida para navegar por ellas hacen de estas colecciones herramientas solo accesibles a determinados colectivos muy experimentados, principalmente investigadores biológicos. Las bases de datos están elaboradas ad hoc, son heterogéneas, ofrecen diversos modos de acceso y a menudo emplean distintos sistemas para denominar a las mismas entidades (por ejemplo aliases de un gen, o diferentes identificadores de proteínas). Recuperar información relevante a partir de estas bases de datos para poder ser empleada en el entorno clínico requiere una serie de conocimientos y habilidades que INFOGENMED trata de proporcionar de un modo automático y transparente para el usuario.

INFOGENMED se ha diseñado para ayudar al clínico a superar estos obstáculos, almacenando en un repositorio virtual la información de todas las bases de datos que integra este sistema. Hay que decir aquí que los ámbitos gestionados por el sistema inicialmente, son dos: -cáncer y -enfermedades genéticas raras.

En el primer caso, el sistema tiene como objetivo integrar diversas bases de datos privadas provenientes del entorno clínico (datos de pacientes, patología, datos de laboratorio, prescripción de medicamentos, ...) con bases de datos de centros de investigación que recogen resultados de experimentos genómicos y proteómicos (secuencias, polimorfismos, expresión de genes obtenidos con microarrays, expresión de proteínas, ....). INFOGENMED proporciona un modelo virtual de datos en el que se pueden realizar estudios de correlación entre las características genéticas y moleculares de un tumor y la evolución clínica del mismo.

En el entorno de las enfermedades raras, INFOGENMED debe facilitar la recuperación de información relevante sobre las bases moleculares de una patología, integrado terminologías, accediendo a recursos públicos a través de Internet y facilitando toda esa información al clínico sin que éste necesite conocer los códigos y nombres de las entidades genéticas subyacentes. Actualmente existen varios recursos dedicados a este área: el Instituto de Investigación de Enfermedades Raras del Instituto de Salud Carlos III (http://cisat.isciii.es/er/), ORPHANET, el portal francés de Enfermedades Raras (http://www.orpha.net/) y el sistema estadounidense NORD, que es una base de datos privada con la misma finalidad que las europeas y dependiente de la "Office of Rare Diseases" (http://rarediseases.info.nih.gov/) de naturaleza gubernamental.

En ambos casos INFOGENMED se ha desarrollado para:

La arquitectura de INFOGENMED está representada en la figura 2 y se basa en los elementos funcionales que se describen a continuación:

En el proyecto europeo BIOINFOMED (http://bioinfomed.isciii.es) [3] se identificaron 18 líneas que servían como una propuesta de Agenda de Investigación para la Informática Biomédica en los próximos años. La interoperabilidad de los estándares de comunicación y la integración de los recursos heterogéneos con técnicas de representación del conocimiento son dos de ellas. Para lograr este propósito se ha desarrollado un servidor de vocabularios que permite integrar en el sistema terminologías, tesauros y vocabularios biomédicos de utilidad para el proyecto. Algunos de los más importantes son UMLS [4, 5], GO (Gene Ontology), términos MeSH, o Human Gene Nomenclature. La funcionalidad de este módulo ha sido ya comprobada mediante el desarrollo de una utilidad que permite lanzar consultas al sistema utilizando términos MeSH en castellano.

Constituye el verdadero "motor" de la aplicación, cuya primera versión se basa en el estándar de comunicación entre objetos CORBA (Common Object Request Broker Architecture) [6, 7] como puente de unión entre el usuario-servidor y entre servidor-bases de datos. En la actualidad se está desarrollando una segunda versión basada en el uso de agentes inteligentes. El usuario del sistema escribe su consulta (una patología, por ejemplo) a través de una interfaz, que se envía por Internet al servidor mediante una aplicación cliente-servidor desarrollada en javascript. El servidor genera una sentencia SQL (Structured Query Language) que se distribuye con los "gestores" de las bases de datos. Estos recopilan la información y la envían de nuevo a los usuarios en formato html creándose un repositorio virtual intermedio que recoge la información recuperada por los objetos "gestores". De este modo el usuario tiene la impresión de que está trabajando contra una única base de datos, aunque realmente ésta no exista sino que se cree mediante el mapeo de datos a las fuentes originales.

Esta herramienta está pensada para dar soporte a la navegación del usuario final. Basada en un navegador de Internet, el sistema dividirá en ventanas la pantalla y en ellas se visualizarán las imágenes descritas a continuación.

La figura 4 representa el aspecto que presenta esta utilidad para el usuario. En el marco izquierdo, aparece el diagrama de flujo con los pasos secuenciales a dar y una breve explicación de los mismos. En el marco de la derecha, aparecerá la página web de la base de datos a la que se esté realizando la consulta cuando se seleccione con el ratón en el diagrama de flujo. Dos applets permiten la entrada de datos por parte del usuario y la lectura y zoom sobre todo el protocolo para personalizar la navegación. Los nodos del diagrama de flujo, además de enlazar con páginas web y bases de datos, permiten la incorporación de contenidos multimedia, como videos o animaciones, lo que introduce un valor añadido a la herramienta como elemento de formación.

En la figura 5 se aprecia un diagrama con las ramas y las características de los nodos: un cuadrado de esquinas romas manifiesta estado; un cuadrado, acción y, un hexágono, una decisión.

Figura 5: herramienta del diagrama de flujo general.

INFOGENMED representa uno de los primeros intentos de integrar de modo efectivo y con una perspectiva médica las principales fuentes de datos genéticas y clínicas que se generan en los centros de investigación biomédica y los repositorios de información biológica públicos, accesibles libremente a través de Internet. El sistema trata de resolver algunos de los importantes problemas asociados a la heterogeneidad de estructuras y usos asociados a estos recursos, a los sistemas independientes de representación de conceptos biológicos y médicos (ontologías, terminologías) y a la compleja lógica de navegación que se necesita dominar para obtener la información relevante en tiempos aceptables.

Este trabajo ha sido financiado por el proyecto europeo INFOGENMED de la Comisión Europea, perteneciente al Programa IST (Information Society Technologies) (IST-2001-39013).