Marcos Matabuena es un matemático gallego nacido en Santiago de Compostela. Cuenta con formación de posgrado en estadística matemática y un doctorado centrado en informática y bioestadística.
Su interés por la investigación cuantitativa aplicada a la salud comenzó pronto. A los quince años, mientras competía en atletismo, decidió estudiar Matemáticas, convencido de que la optimización del rendimiento deportivo dependería cada vez más de métodos cuantitativos rigurosos.
Durante el último curso de grado desarrolló una metodología indirecta basada en análisis de datos funcionales para predecir el consumo máximo de oxígeno. También propuso una nueva formulación del modelo de Banister, uno de los principales modelos matemáticos para describir y predecir cambios en el rendimiento físico derivados del entrenamiento y la fatiga.
Durante el máster investigó nuevos procedimientos para identificar el umbral anaeróbico mediante el análisis de la variabilidad de la frecuencia cardíaca. Estos primeros proyectos reforzaron su interés por combinar matemáticas, estadística y fisiología para extraer información clínica y biológicamente relevante de señales complejas.
Conviene situar este trabajo en su contexto. Hace más de una década, la salud digital —y lo que hoy podemos llamar bioestadística digital— aún no se había consolidado como campo de investigación. Por iniciativa propia, y a menudo más allá de los requisitos de su formación, Marcos ya exploraba cómo estudiar con métodos matemáticos avanzados los datos procedentes del deporte, la fisiología y los dispositivos de monitorización. Esta curiosidad temprana anticipó buena parte del rumbo de su carrera científica.
Durante el doctorado, centrado en salud digital y nuevos métodos estadísticos, introdujo el concepto de glucodensidad, una representación distribucional de los datos de dispositivos de monitorización continua de glucosa. Este marco permitió resumir y analizar señales digitales de alta frecuencia conservando características de la distribución completa de glucosa que se pierden al utilizar únicamente indicadores clínicos tradicionales.
En paralelo, desarrolló un profundo interés por la teoría del aprendizaje automático, consciente de que los avances transformadores en biomedicina requieren métodos estadísticos y computacionales cada vez más sofisticados. Junto a su investigación doctoral, contribuyó a un marco general de cuantificación de la incertidumbre e inferencia predictiva para respuestas que son objetos aleatorios definidos en espacios métricos.
Posteriormente realizó su investigación posdoctoral en la Universidad de Harvard bajo la supervisión de Jukka-Pekka Onnela. Allí desarrolló nuevos métodos estadísticos para medicina digital, con especial atención a enfermedades neurológicas como la ELA. En este contexto, contribuyó a biomarcadores funcionales derivados de datos digitales para mejorar la predicción del pronóstico respecto a los enfoques convencionales.
Como él mismo reconoce, su estancia en Boston fue una de las experiencias más importantes de su vida. Conoció a personas extraordinarias en lo científico y en lo personal y se integró en un entorno académico profundamente internacional. Esta experiencia le hizo replantearse qué significa investigar con sentido, qué problemas merecen una atención sostenida y cómo abordarlos para generar un impacto científico y social duradero.
Su perfil científico combina comprensión biomédica, especialización metodológica y un firme compromiso con los problemas reales. Su investigación parte de preguntas clínicamente relevantes y busca responderlas mediante avances fundamentales en estadística, aprendizaje automático, probabilidad, análisis de datos funcionales y bioestadística.
Su filosofía científica consiste en identificar problemas biomédicos verdaderamente relevantes y desarrollar, sin renunciar al rigor matemático, los métodos estadísticos y computacionales necesarios para resolverlos y trasladar sus resultados a la práctica clínica.
Aunque todavía se encuentra en una etapa relativamente temprana de su carrera, ha publicado más de cincuenta artículos científicos, recibido varias distinciones internacionales y colaborado con investigadores de referencia en medicina, ciencias del ejercicio, aprendizaje automático, probabilidad, estadística y bioestadística. También ha sido invitado a presentar su trabajo en congresos y reuniones científicas internacionales.
Entre sus principales aportaciones destacan la introducción de la glucodensidad y el desarrollo de métodos estadísticos para su análisis; modelos de efectos aleatorios para objetos aleatorios en espacios métricos; nuevos procedimientos de cuantificación de la incertidumbre en espacios no euclídeos; y métodos de fusión e integración de datos para ensayos clínicos y estudios de salud digital.
Un rasgo distintivo de su trabajo es que sus métodos no buscan únicamente la innovación matemática. Están diseñados para mejorar de forma tangible problemas biomédicos reales y generar conocimiento clínico difícil de obtener con técnicas convencionales.
El objetivo último de su investigación es desarrollar enfoques analíticos que contribuyan a transformar la medicina, facilitar la detección temprana de enfermedades, mejorar la personalización de los tratamientos y elevar la calidad de vida.
Marcos cree que algunos de los avances científicos más importantes surgirán de la intersección del aprendizaje automático, la inferencia estadística y la investigación biomédica. Esta visión exige herramientas matemáticas avanzadas y la capacidad de comprender las necesidades clínicas, identificar problemas relevantes y formular soluciones trasladables a la práctica médica y sanitaria.
Los estudiantes que se incorporen al grupo trabajarán en la intersección de la inferencia estadística, el aprendizaje automático y la investigación biomédica. Podrán desarrollar metodología rigurosa, colaborar con profesionales clínicos e investigadores internacionales, analizar conjuntos de datos singulares de salud digital y explorar ideas ambiciosas con potencial de impacto científico y clínico. El grupo ofrece una supervisión cercana y promueve, al mismo tiempo, la independencia intelectual, la formulación de preguntas originales y el desarrollo de una identidad científica propia.
Fuera del ámbito académico, Marcos disfruta practicando deporte, viajando y asistiendo a conciertos. Ante todo, intenta vivir con curiosidad y sentido del humor, convencido de que la ambición científica y el compromiso profesional deben ser compatibles con una vida plena, rica en experiencias y emociones.
Más allá de aspirar a que su propio trabajo sea influyente, una de sus mayores metas es crear un entorno en el que sus estudiantes encuentren trayectorias profesionales satisfactorias, desarrollen ideas valiosas y se conviertan en investigadores independientes capaces de abordar problemas científicos importantes.