Difference between revisions of "Main Page"

Latest revision as of 11:17, 15 October 2018

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

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:

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.
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.

@@ Line 1: / Line 1: @@
-Public health expenditure accounts for almost 6% of GDP in Spain, making the health sector one of the most important of our socio-economic system. The unprecedented ability to gather higher volumes of data represents an opportunity to extract useful knowledge for the clinical practice as well as a difficulty due to the challenging nature of data.
+== Extracción de Conocimiento para Predicción de la Evolución Clínica usando Análisis de Datos (Klinilycs)==
-Two applications of particular socio-economic interest are:
+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.
-. Predicting the evolution of the health status of chronically ill patients. A significant amount of resources must be devoted to the care of chronic patients due to the increase in life expectancy, together with the prevalence of chronic diseases in an ageing population. Predicting the evolution of the health status of these patients would slow down the progression of chronic disease, and allow for an efficient allocation of health resources.
+Dos aplicaciones de particular interés desde un punto de vista socio-económico son:
+# 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.
+#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.
-. Predicting healthcare associated infections in Intensive Care Unit (ICU). About 30% of ICU patients are affected by at least one episode of infection during his hospital stay. Predicting the evolution of bacteria and their multi-resistance would improve prognosis, reduce patient stay and resource consumption
-The aim in both cases is to improve not only the health evolution of the patients, but also the efficiency of the allocation of health resources.
+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.
-From the point of view of data analytics both problems exhibit common challenges: a) data are scattered, heterogeneous, of high dimensionality, from clinical sources of different nature (free text, diagnostic, drugs or laboratory tests, among others), and b) extracting knowledge useful for clinical practices is difficult. These challenges call for the adaptation of the traditional tools in data analysis and statistical inference in order to obtain more effective and interpretable solutions. KLINILYCS proposes designing and adapting methods from data analytics and graph signal processing in order to model, process and identify patterns in data bases of complex nature, together with its particularization to the aforementioned clinical applications. The project will address the development of new feature selection methods and similarity measures adapted to the heterogeneous and irregular data structure; algorithms to find patterns in trajectories using probabilistic networks; path modeling using signals defined in the nodes or edges of a graph; and inference methods applied to data defined on graphs.
-To ensure the success of the project, the work team includes multidisciplinary researchers and international collaborations with prestigious groups. Part of the group has a technical profile with wide experience in data analytics and signal processing, while the rest are clinical experts with experience in the health applications addressed in this project. KLINILYCS project development will generate scientific results in a promising research topic as well as technological solutions to current socio-economic problems.
+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.
-''The KLINILICS project has been supported by the Spanish Government: Ministerio de Ecomomía y Competividad - Inicio Plan Estatal de Investigación Científica y Técnica y de Innovación 2013-2016 - Programa Estatal de I+D+i Orientada a los Retos de la Sociedad - Grant number:  TEC2016-75361-R.''