Sistemas inteligentes basados en biomarcadores para salud (BISH)

MINECO (PID2021-123087OB-I00)

En curso

Línea de investigación:
Health informatics
Descripción:

En el mundo desarrollado, la prevalencia e incidencia de numerosas enfermedades del sistema nervioso han aumentado considerablemente en las últimas décadas, especialmente las relacionadas con el proceso del envejecimiento. Los trastornos del sistema nervioso son enfermedades que derivan en discapacidad, mortalidad prematura, necesidad de atención y tratamiento e impacto social, económico y familiar. Este proyecto se ubica en este contexto y espera contribuir a mejorar la detección y el pronóstico en diversas afecciones del sistema nervioso utilizando métodos mínimamente invasivos, considerando el sexo y las diferencias de género. Se centrará específicamente en: (a) el diagnóstico y pronóstico temprano de enfermedades neurodegenerativas (enfermedad de Parkinson y enfermedad de Alzheimer) y (b) la detección temprano de episodios adversos de disreflexia y estrés en personas con discapacidades cognitivas.

Los datos utilizados en este proyecto se derivarán de diferentes fuentes, siempre con información de género. En el caso de las patologías neurodegenerativas, utilizaremos datos recogidos previamente por entidades colaboradoras (Instituto de Investigaciones Sanitarias Biocruces Bizkaia (IISBB) y CITA-Alzhéimer) o repositorios públicos (Parkinson's Progression Markers Initiative). En el otro contexto, utilizaremos datos de pruebas de autonomía registrados en IIS BB de pacientes con lesiones medulares y nuevos datos relacionados con el estrés creados en experimentos propios. Para estos experimentos, el equipo colaborará con MJN Neuroserveis, PLUX y el Instituto de Telecomincaçoes de Lisboa diseñando dispositivos vestibles para capturar señales fisiológicas de la manera menos intrusiva posible, haciendo que los sujetos no se sientan monitoreados. Finalmente, habiendo recopilado datos de todas las fuentes, los fusionaremos y organizaremos. Después, combinaremos algoritmos de Machine Learning (ML) y transferiremos el aprendizaje para aprender de los datos, construir modelos con habilidades de predicción y pronóstico y desvelar los biomarcadores más relevantes. En todos los casos se identificarán sesgos indeseables y se utilizarán diferentes técnicas para afrontar estos problemas, como técnicas de remuestreo, clasificadores desacoplados o aprendizajes adversarios. Cuando sea necesario, se generarán modelos ad hoc en lugar de modelos de tipo único para todos. Además, el uso de métodos de ML explicables ayudará a encontrar posibles conclusiones erróneas y a descubrir diferencias de sexo y género. Sin duda, la consecución de sistemas de detección precoz mínimamente invasivos generará programas de salud de cribado eficaces que beneficiará a toda la población.

El proyecto abarca varias disciplinas y por ello el equipo de investigación está formado por expertos procedentes de diversas instituciones y centros de investigación. El principal objetivo de este equipo multidisciplinar es diseñar sistemas que se puedan trasladar desde contextos de laboratorio al uso cotidiano en áreas de salud. Por ello, las aportaciones del proyecto serán fácilmente trasladadas al sector médico o al relacionado con la rehabilitación de personas con discapacidad cognitiva. Además, el proyecto se alinea con la prioridad temática Salud del Plan Estatal 2021-2023, el clúster de Salud del programa Horizonte Europa 2021-2027 y dada su visión de género y enfoque en las personas mayores y discapacidad, también con los objetivos de desarrollo sostenible de las Naciones Unidas.

Entidad financiadora:
MINECO (PID2021-123087OB-I00)
Investigador principal:
Olatz Arbelaitz
Participantes:
Ainhoa Yera
Andoni Arruti
Asier Salazar
Iñigo Perona
Ibai Gurrutxaga
Javier Muguerza
Jesús M. Pérez
José I. Martín
José Luis Jodra
Olatz Arbelaitz
Raquel Martínez
Nº investigadores:
11
Importe:
119.669
Fecha inicio:
2022-09-01
Fecha fin:
2025-08-31
Ámbito:
Nacional
Comentarios:
Investigador responsable: Olatz Arbelaitz / Javier Muguerza
Par.(not ALDAPA): Ane Murueta-Goyena, Marta Ruiz Lopez, María de Arriba Sánchez
Par.(Doctores del equipo de trabajo): Asier Arrizabalaga Otaegi, Markel Vigo, Hugo Placido da Silva