Ee13-Ciencia de datos e Inteligencia Artificial para medicina y salud (CDIAMS) (Emergente)

El objetivo general del grupo se centra en la aplicación y desarrollo de técnicas XAI e infraestructuras IoT para generar modelos descriptivos o predictivos precisos y comprensibles a partir de datos heterogéneos y complejos relacionados con tres líneas de investigación en salud, permitiendo a los profesionales de la salud llevar a cabo análisis más precisos y detallados de sus pacientes para proporcionándoles tratamientos más eficaces y personalizados que ayuden a prevenir enfermedades, teniendo un impacto significativo en la salud y el bienestar de las personas. Este objetivo general lo podemos dividir en los siguientes subobjetivos:

A. Obesidad infantil:

• Desarrollar y aplicar técnicas avanzadas del ML supervisadas que generen modelos comprensibles a partir de datos ómicos, clínicos y del exposoma de diferentes etapas de la vida mediante un aprendizaje y fusión eficiente de las fuentes de información y abordando los retos actuales, permitiendo diseñar sistemas de ayuda a la decisión (DSS) que mejoren la capacidad de predecir el desarrollo de IR y/o obesidad o de un parámetro clínico de interés a nivel de atención primaria.
• Desarrollar y aplicar técnicas avanzadas del ML no supervisado para identificar subgrupos y extraer patrones y reglas de asociación, que integren datos multiómicos, clínicos y ambientales, para identificar redes inter-ómicas moleculares o fenómenos de epistasis que subyacen a la obesidad y la IR en población pediátrica, y que nos permitan detectar asociaciones interesantes con datos clínicos y exposómicos.

B. Cáncer de próstata: Desarrollar técnicas avanzadas del ML supervisadas para generar modelos comprensibles y hacer uso de técnicas de explicabilidad post-hoc que proporcionen explicaciones sobre los modelos generados a partir de distintas fuentes de información (niveles de expresión génica, clínicos, etc) para identificar y evaluar firmas génicas que permitan a los clínicos clasificar y/o determinar la agresividad del tumor en combinación con los datos obtenidos desde microscopio.

C. Gestión del aire indoor para enfermedades respiratorias: Desarrollar una infraestructura software y hardware de libre acceso para dar una solución IoT que permita gestionar la calidad del aire en el hogar, haciendo uso de controladores basados en modelos comprensibles que permitan gestionar datos heterogéneos e impresos y sigan diversos estándares (tales como la norma IEC 61131 y el estándar IEEE Std 1855-2016) para facilitar la migración a través de múltiples plataformas de hardware y la reutilización de las aplicaciones desarrolladas.