Conferencia: 'Desenvolvemento dunha Plataforma Integrada para a Investigación Médica Avanzada Baseada en IA'

A transformación dixital da sanidade levou a un crecemento sen precedentes no volume e na heteroxeneidade dos datos clínicos. Ao mesmo tempo, as poboacións envellecentes e as demandas crecientes nos sistemas de saúde requiren solucións rendibles e escalables. A intelixencia artificial (IA) converteuse nunha ferramenta poderosa na investigación clínica, con todo, exixe conxuntos de datos estruturados, a gran escala e de alta calidade. A extensa preparación necesaria antes de que os datos poidan ser utilizados para o adestramento de IA supón un importante cuelo de botella entre a adquisición dos datos e o desenvolvemento do algoritmo.

A plataforma TransCOR foi deseñada para acelerar a investigación clínica baseada en datos, con especial foco na creación de modelos de IA. Esta plataforma pretende converterse nun entorno áxil de desenvolvemento que conecta de xeito eficiente a clínicos e investigadores, proporcionando ferramentas seguras e reutilizables para a xestión, exploración, curación, anotación e interpretación de datos que poden ser facilmente adaptadas ás necesidades moi específicas de cada caso de uso do proxecto. A infraestrutura da plataforma implantouse con éxito en dúas plataformas cloud e localmente en dous hospitais. Está a ser empregada activamente en 18 proxectos de investigación en curso por máis de 60 usuarios (incluíndo clínicos e investigadores de tres continentes), e ata agora procesou millóns de mostras de datos clínicos, demostrando a súa robustez e escalabilidade en contornas reais de investigación. Ao alinear a infraestrutura técnica cos requerimentos clínicos e reguladores, a plataforma TransCOR reduce significativamente as barreiras na investigación translacional en IA e promove unha innovación máis rápida e fiable na sanidade.

Ponentes

Josa Prats i Valero é Lead Software Engineer no grupo de investigación TransCOR da Universitat Pompeu Fabra en Barcelona. Ten un Grao en Sistemas Audiovisuais e un Máster en Enxeñaría Biomédica Computacional. Traballa no deseño, implementación e despregamento de solucións de software especialmente concebidas para apoiar a investigación médica. O seu obxectivo é crear ferramentas modernas, fiables e eficientes que melloren o proceso de investigación.

Gabriel Bernardino é Ramón y Cajal no grupo TransCOR da UPF. Ten un grao en Enxeñaría Informática e un grao en Matemáticas pola Universitat Politècnica de Catalunya, e un máster en Matemáticas pola University of Bonn. Realizou un doutoramento en Tecnoloxías da Información e Comunicación (Universitat Pompeu Fabra, Barcelona, España, 2019), desenvolvido en colaboración con Philips Research (París, Francia) dentro do programa Marie Swodlaska Curie European Industrial Doctorate Cardiofunxion. Posteriormente, foi investigador postdoctoral en CREATIS (Lión, Francia). O seu obxectivo de investigación é mellorar a avaliación actual das imaxes cardiovasculares. Mentres que o aprendizaxe automático demostrou un gran potencial en visión por computador, as súas aplicacións a imaxes médicas seguen sendo un desafío, dada a escaseza de datos e a cantidade de ruído presente. Busca desenvolver técnicas de aprendizaxe automática que non só aprendan dos datos, senón que tamén incorporen coñecemento fisiolóxico, sendo así máis robustas e interpretables. A súa investigación céntrase en derivar biomarcadores interpretables de patoloxías a partir de poboacións, útiles non só para fins diagnósticos senón tamén para comprender a fisiopatoloxía subxacente. Actualmente, o seu principal interese clínico reside na cardioloxía fetal: identificar como as anormalidades cardiovasculares causan unha discapacidade xestacional nas imaxes de ultrasón fetal (Doppler e modo B).