Main Page

Extracción de Conocimiento para Predicción de la Evolución Clínica usando Análisis de Datos (Klinilycs)

El gasto sanitario público supone casi el 6% del PIB en España, lo que hace del sector salud uno de los más importantes de nuestro sistema socio-económico. En los últimos años la capacidad de recopilar y almacenar datos en el ámbito sanitario ha aumentado notablemente, lo cual representa tanto una oportunidad para extraer conocimiento útil en la práctica clínica como un reto debido a la naturaleza de los datos.

Dos aplicaciones de particular interés desde un punto de vista socio-económico son:

1. Predicción de la evolución del estado de salud de pacientes crónicos. El aumento de la esperanza de vida, unido a la prevalencia de patologías crónicas con la edad, hace que un volumen importante de recursos se dedique a la atención de pacientes crónicos. Predecir la evolución del estado de salud de estos pacientes permitiría ralentizar el progreso de la patología crónica y anticipar una asignación de los recursos sanitarios más eficiente.
2. Predicción de infecciones nosocomiales en la unidad de cuidados intensivos (UCI). Se estima que el 30% de los pacientes ingresados en UCI adquieren infecciones durante su estancia. Predecir la aparición y evolución de las bacterias y sus multi-resistencias permitiría mejorar el pronóstico, reducir la estancia del paciente y por ende el consumo de recursos.

El objetivo en ambos casos no es solamente mejorar la evolución de la salud de los pacientes sino también incrementar la eficiencia en el uso de los recursos sanitarios. Desde el punto de vista del tratamiento de datos estos dos problemas presentan una serie de desafíos comunes: a) datos dispersos, heterogéneos, de alta dimensionalidad, creados a partir de fuentes clínicas de distinta naturaleza (texto libre, diagnósticos, farmacia o resultados de laboratorio, entre otros), y b) dificultad en la extracción de conocimiento útil para la práctica clínica. Estos desafíos hacen necesario adecuar las herramientas convencionales de análisis de datos e inferencia estadística para obtener soluciones más efectivas e interpretables. El proyecto KLINILYCS propone diseñar y adaptar métodos de análisis de datos y procesamiento de señales definidas en grafos para modelar, procesar e identificar patrones en bases de datos de naturaleza compleja y su posterior particularización a los dos problemas descritos previamente. La investigación propuesta incluye el desarrollo de nuevos métodos de selección de características y de medidas de similitud adecuadas a la estructura heterogénea e irregular de los datos; algoritmos de búsqueda de patrones en trayectorias mediante redes probabilísticas; modelado de patrones de evolución mediante señales definidas en los nodos o enlaces de un grafo; y aplicación de métodos de inferencia estadística sobre modelos de datos definidos en grafos.

Para favorecer la ejecución exitosa del proyecto, el equipo de trabajo está compuesto por investigadores con perfiles multidisciplinares e incluye colaboraciones con grupos internacionales de reconocido prestigio. Parte del grupo cuenta con un perfil técnico y amplia experiencia en el tratamiento de datos y extracción de conocimiento, mientras que otra parte está compuesta por expertos clínicos con experiencia en las aplicaciones sanitarias consideradas. El desarrollo de KLINILYCS permitirá la generación no solo de resultados en una línea de investigación prometedora, sino también de soluciones tecnológicas a problemas socio-económicos actuales.

PALABRAS CLAVE: extracción de conocimiento, análisis de datos, procesado de señal en grafos, trayectoria, cronicidad, infección nosocomial.