Investigación biomédica traslacional

El rápido desarrollo y la implementación de repositorios de datos que contienen representaciones de objetos complejos, como series temporales o datos espaciales, no ha ido acompañado de una mayor disponibilidad de instrumentos que permitan la búsqueda en esas bases de datos en términos próximos al lenguaje y sobre la base de criterios que sean significativos para los usuarios de esas colecciones de datos. Estas deficiencias son evidentes en determinados campos como la biología o la medicina, en los que se acumula una gran cantidad de datos. Sin embargo, el conocimiento recuperado suele frustrar las expectativas de los usuarios interesados porque consiste en descripciones ya conocidas y homogeneizadas o largas e intratables. Por lo tanto, creemos que uno de los retos de la era postgenómica es extraer conocimientos útiles y, lo que es más importante, transformar ese conocimiento en conocimiento aplicable. Es decir, descifrar la información disponible y convertirla en hipótesis que puedan predecir nuevos conocimientos que eventualmente mejoren los sistemas de toma de decisiones que afectan a nuestro estilo de vida. Nuestra investigación biomédica se ha basado en múltiples mediciones que incluyen, entre otras cosas, imágenes múltiples, genética, biología molecular, multi-ómicas, diagnósticos clínicos y fenotipos comórbidos, fenómica, signos fisiológicos en tiempo real, EHR y EMR, etc. Las diferentes enfermedades que constituyen nuestro objetivo incluyen demencias, trastornos mentales, enfermedades cardiovasculares y diversos tipos de cáncer, entre otras. Nuestro reto es generar nuevas herramientas de inteligencia artificial (IA) y machine learning que generen, analicen, e integren datos biomédicos disponibles en las bases de conocimiento utilizadas por los médicos habituales y los nuevos agentes denominados médicos basados en IA. La coincidencia total o parcial con bases de conocimientos preexistentes interconectadas reducirá el universo de posibles diagnósticos de un paciente y, en consecuencia, acortará el tiempo que el paciente necesita ser tratado. La toma de decisiones realizada por un médico IA ayudará a identificar los tratamientos personalizados más adecuados para el diagnóstico y el seguimiento del paciente.

Contacto: Igor Zwir

Investigadores relacionados:

Letra:

  Nombre Email Área Cat.
Casillas Barranquero, Jorge casillas@decsa11zgfGRhXEFi.ugr.es Ciencia de Datos y Big Data DaSCI Doctor
Fernández Hilario, Alberto alberto2bnt.5B@decsai.ugr.es Ciencia de Datos y Big Data DaSCI Doctor
Górriz Sáez, Juan Manuel gorriz@ug6zGcERtSil6ur.es Aplicaciones Tecnológicas DaSCI Doctor
Luna Ariza, Jose María jmluna@uco.ro.ZzbBwPBgmes Ciencia de Datos y Big Data DaSCI Doctor
Martínez Murcia, Francisco Jesús fjesusmartinez@ugrCZHuqAjLD.es Aplicaciones Tecnológicas DaSCI Doctor - Juan de la Cierva
Ortíz García, Andrés aortiz@ic.uma.jKljB6bes Aplicaciones Tecnológicas DaSCI Doctor
Romero Zaliz, Rocío rocio@ulCih3FvBgr.es Aplicaciones Tecnológicas DaSCI Doctor
Val Muñoz, Coral del delval@decsai.u1FrRa4gr.es Aplicaciones Tecnológicas DaSCI Doctor
Ventura Soto, Sebastián sventura@uc@pIZ33@aMckto.es Ciencia de Datos y Big Data DaSCI Doctor
Zwir, Igor igorzwir@ugr.upTnNLK8jJes Ciencia de Datos y Big Data DaSCI Doctor
Scroll Up