Biomarcadores digitales
Métodos para representar datos fisiológicos y conductuales continuos como objetos funcionales y distribucionales complejos.
Bienvenidos
Bienvenidos a la web del grupo de investigación de Marcos Matabuena en la Universidad Mohamed bin Zayed de Inteligencia Artificial
La salud digital permite identificar riesgos de enfermedad años, e incluso décadas, antes de que aparezcan síntomas clínicos. Nuestra misión es desarrollar los métodos matemáticos, estadísticos y de inteligencia artificial necesarios para hacer posible esta transformación, utilizando información continua y de alta frecuencia recogida mediante dispositivos médicos modernos.
Nuestro objetivo final es ir más allá del tratamiento de la enfermedad y avanzar hacia la mejora continua y en tiempo real de la salud individual y poblacional. Para apoyar esta transición, estamos desarrollando un marco científico que denominamos Bioestadística digital.
¿Qué es la bioestadística digital?
Definimos la bioestadística digital como la rama de la bioestadística dedicada al diseño, el análisis, la inferencia estadística y la aplicación clínica de datos de salud continuos, de alta frecuencia, longitudinales y multimodales generados por tecnologías digitales. Su objetivo último es apoyar las decisiones clínicas y sanitarias mediante la integración de la bioestadística y la investigación operativa.
01 / ObservarDatos continuos de salud
Dispositivos digitales y mediciones longitudinales.
02 / ComprenderInferencia estadística
Métodos rigurosos y cuantificación de la incertidumbre.
03 / AplicarDecisiones sanitarias
Atención personalizada y salud poblacional.
Esta visión se ha forjado a través de experiencias formativas, mentorías y colaboraciones en Harvard, Johns Hopkins y la Universidad de Carolina del Norte en Chapel Hill, especialmente en fenotipado digital, análisis de datos funcionales, medicina personalizada y datos longitudinales de salud.
Nuestros proyectos buscan establecer bases metodológicas rigurosas para la bioestadística digital y demostrar su utilidad en la investigación biomédica, la práctica clínica y la salud poblacional.
Durante los próximos 10 años, nuestro objetivo último de investigación es desarrollar un marco de gestión sanitaria de bajo coste que mejore los resultados de salud individuales y poblacionales mediante la integración de la bioestadística, la salud digital y la investigación operativa.
Nuestra visión: los fundamentos de la IA en medicina
La inteligencia artificial en medicina se encuentra todavía en una fase temprana y solo una pequeña parte de su potencial se ha demostrado en la práctica clínica real. Desde la perspectiva del aprendizaje estadístico, muchas aplicaciones actuales siguen abordando tareas de predicción relativamente sencillas y bien delimitadas. Sin embargo, la próxima generación de IA médica deberá responder a preguntas mucho más complejas y de mayor trascendencia clínica: ¿cuál es la dieta óptima para una persona concreta? ¿Cómo deben evolucionar con el tiempo las estrategias de tratamiento y prevención? ¿Cómo puede integrarse información clínica, biológica, conductual y ambiental heterogénea en un marco unificado de toma de decisiones?
La bioestadística digital puede aportar la base científica necesaria para afrontar estos desafíos. Los sistemas de IA avanzados pueden rendir bien en tareas de predicción concretas, pero predecir no basta en los entornos clínicos y sanitarios reales. Sus resultados deben sustentarse en una inferencia estadística rigurosa, la cuantificación de la incertidumbre, un diseño cuidadoso de estudios experimentales y observacionales, y métodos capaces de analizar datos continuos, longitudinales, de alta frecuencia y multimodales. Estos componentes deben integrarse con la investigación operativa para transformar las predicciones en decisiones clínicas fiables y en una gestión sanitaria más eficaz.
En los próximos 10 a 15 años, los avances en IA y nuestra creciente capacidad para medir sistemas biológicos de forma casi continua y a escala poblacional podrían transformar la investigación biomédica. Estos avances podrían impulsar nuevos descubrimientos científicos, acelerar el desarrollo de terapias personalizadas y profundizar en la comprensión de enfermedades complejas.
Prevemos la aparición de fenotipos metabólicos y fisiológicos longitudinales cada vez más detallados a partir de dispositivos portátiles, sensores médicos, imagen médica, genómica, tecnologías unicelulares, datos del microbioma, historias clínicas electrónicas y otras tecnologías digitales. El reto central no será simplemente recopilar o procesar más datos, sino desarrollar marcos científicamente válidos capaces de identificar patrones con significado biológico, distinguir asociación de causalidad, cuantificar la incertidumbre y apoyar decisiones personalizadas que se adapten a cada individuo con el tiempo.
En este contexto, la bioestadística digital no es un componente secundario de la IA médica: aporta los fundamentos científicos y matemáticos necesarios para transformar sistemas de IA cada vez más potentes en herramientas rigurosas, interpretables y clínicamente útiles.
Destacados
Nuestra investigación
Somos pioneros en el desarrollo de métodos estadísticos no euclídeos para definir una nueva generación de biomarcadores digitales. Nuestro trabajo introdujo el concepto de glucodensidad, un biomarcador distribucional integral diseñado para representar datos de salud digital recogidos en la vida cotidiana. También desarrollamos métodos modernos de aprendizaje automático e IA estadística, junto con nuevos enfoques para cuantificar la incertidumbre en datos complejos y de alta dimensión. Estas herramientas permiten aprovechar mejor la información abundante, densa y longitudinal generada por las tecnologías de salud digital.
Nuestras áreas de investigación
IA estadística para datos de salud complejos
Aprendizaje automático, modelos de efectos aleatorios, métodos generativos y cuantificación de la incertidumbre para datos longitudinales y no euclídeos.
Decisiones sanitarias personalizadas
Integración de predicción, razonamiento causal, incertidumbre e investigación operativa para apoyar decisiones individuales y poblacionales.
Siete pilares para avanzar en la investigación en salud digital
Glucodensities: A new representation of glucose profiles using distributional data analysis
Nuestros proyectos
Nuestros proyectos actuales se centran en desarrollar una nueva generación de métodos de IA estadística capaces de transformar los grandes volúmenes de información recogidos por dispositivos digitales en conocimiento clínicamente relevante. A través de problemas médicos reales, buscamos demostrar cómo estos métodos pueden generar avances tangibles en la investigación y la práctica clínica.
Nuestro equipo
Un equipo interdisciplinar que trabaja en la intersección de la estadística, la inteligencia artificial y la investigación biomédica, con una red internacional de colaboradores de referencia.
Únete al equipo
Estamos construyendo un programa de investigación interdisciplinar en la intersección de la bioestadística, la epidemiología, la inteligencia artificial, la salud digital y la medicina. Damos la bienvenida a estudiantes y colaboradores con ambición científica que quieran desarrollar métodos rigurosos para abordar preguntas biomédicas de gran relevancia.
Creemos que los problemas científicos importantes requieren rigor, imaginación, perseverancia y una colaboración generosa.
Del mismo modo que el laboratorio abrió nuevas fronteras en biomedicina, la bioestadística digital puede convertirse en uno de los instrumentos científicos que definan la era de los datos: un nuevo telescopio para observar la salud humana de forma continua y revelar patrones biológicos antes invisibles.