Fenotipado digital y salud personalizada
¿Cómo transformar datos fisiológicos continuos y datos biológicos multimodales en fenotipos digitales reproducibles para la medicina personalizada?
Proyectos
Nuestros proyectos buscan establecer bases metodológicas rigurosas para la bioestadística digital y demostrar su utilidad en investigación biomédica, práctica clínica y salud poblacional. Desarrollamos los métodos estadísticos necesarios para transformar datos de salud continuos, longitudinales y multimodales en conocimiento biomédico fiable y decisiones clínicamente relevantes. Organizamos este trabajo en tres programas de investigación interconectados, con el objetivo global de generar un impacto real en la salud metabólica, la atención a la diabetes y la nutrición personalizada.
Programas de investigación principales
Biomarcadores digitales de progresión de enfermedades
¿Pueden las mediciones digitales casi continuas detectar cambios clínicamente relevantes antes que las evaluaciones clínicas convencionales?
Salud poblacional y epidemiología digital
¿Cómo pueden los datos de salud digital mejorar la vigilancia, la prevención y la planificación sanitaria a escala poblacional?
Preguntas abiertas que estamos abordando
Nuestra investigación se articula en torno a preguntas metodológicas, aplicadas y clínicas aún abiertas. Estas preguntas orientan el desarrollo de nueva teoría estadística y garantizan que los métodos resultantes respondan a problemas importantes de la medicina y la salud pública.
Valores e para contrastes múltiples de alta dimensión
¿Cómo desarrollar los valores e como un marco general para contrastar múltiples hipótesis a gran escala en estudios de salud digital de alta dimensión?
Predicción conforme óptima para modelos de efectos aleatorios
¿Cómo extender la predicción conforme a modelos multinivel y de efectos aleatorios preservando garantías relevantes de cobertura marginal y condicional?
Inferencia predictiva condicional para objetos aleatorios
¿Cómo construir regiones predictivas para objetos aleatorios en espacios métricos con garantías sólidas de cobertura condicional, sin supuestos restrictivos de suavidad?
Aprendizaje profundo sin supuestos de variedad
¿Qué garantías teóricas pueden establecerse para algoritmos de aprendizaje profundo en espacios no euclídeos generales, sin suponer que las observaciones pertenecen a una variedad suave, y motivados por aplicaciones actuales de salud digital?
Fundamentos matemáticos del análisis de datos distribucionales
¿Qué fundamentos matemáticos y estadísticos se necesitan para consolidar el análisis de datos distribucionales como un marco riguroso, interpretable y ampliamente aplicable a la salud digital?
Preguntas aplicadas y clínicas
Junto a estos desafíos metodológicos, investigamos preguntas aplicadas de gran relevancia en las que los métodos estadísticos avanzados pueden aportar un valor clínico y biomédico tangible.
Descubrimientos genéticos mediante fenotipos digitales
¿Pueden los fenotipos digitales revelar asociaciones genéticas que los biomarcadores clínicos convencionales no detectan?
Validación de la glucodensidad como biomarcador digital
¿Pueden validarse la glucodensidad y otras representaciones distribucionales como biomarcadores digitales robustos, reproducibles y más informativos de la salud metabólica?
Variabilidad de la glucosa y microbioma
¿Qué papel desempeña la variabilidad de la glucosa en la relación entre el microbioma y la salud metabólica, y cómo pueden los datos de monitorización continua de glucosa mejorar su caracterización?
Monitorización continua de glucosa y retinopatía
¿Cómo se relacionan los fenotipos de monitorización continua de glucosa con la retinopatía diabética y otras complicaciones microvasculares?
Fenotipado de señales biomédicas continuas
¿Cómo transformar señales fisiológicas continuas en fenotipos digitales clínicamente relevantes y reproducibles, y qué se necesita para establecer un marco riguroso de fenotipado basado en monitorización continua de glucosa en poblaciones sin diabetes?
Más información sobre nuestro trabajo
Modelización estadística de datos multimodales de salud digital y ómicos en Human Phenotype Project
Desarrollamos modelos de IA estadística para integrar datos multimodales de salud digital, imagen médica, genómica y microbioma de Human Phenotype Project, con aplicaciones al riesgo de retinopatía, al metabolismo de la glucosa y a los fenotipos funcionales de salud digital.
Métodos espaciotemporales para epidemiología digital con aplicaciones en diabetes mellitus
Desarrollamos métodos estadísticos y de aprendizaje automático espaciotemporales para analizar datos de dispositivos portátiles, sistemas de monitorización continua de glucosa e historias clínicas electrónicas, con el objetivo de cartografiar el riesgo de diabetes y el control metabólico en el espacio y el tiempo.
Biomarcadores funcionales y distribucionales para seguir la progresión de la ELA
Desarrollamos biomarcadores funcionales y distribucionales a partir de datos casi continuos del movimiento de las manos para mejorar el seguimiento de la progresión de la ELA y la predicción de la supervivencia.