Marcos Matabuena é un matemático galego nado en Santiago de Compostela. Conta con formación de posgrao en estatística matemática e un doutoramento centrado en informática e bioestatística.
O seu interese pola investigación cuantitativa aplicada á saúde comezou cedo. Aos quince anos, mentres competía en atletismo, decidiu estudar Matemáticas, convencido de que a optimización do rendemento deportivo dependería cada vez máis de métodos cuantitativos rigorosos.
Durante o último curso do grao desenvolveu unha metodoloxía indirecta baseada na análise de datos funcionais para predicir o consumo máximo de osíxeno. Tamén propuxo unha nova formulación do modelo de Banister, un dos principais modelos matemáticos para describir e predicir cambios no rendemento físico derivados do adestramento e da fatiga.
Durante o mestrado investigou novos procedementos para identificar o limiar anaeróbico mediante a análise da variabilidade da frecuencia cardíaca. Estes primeiros proxectos reforzaron o seu interese por combinar matemáticas, estatística e fisioloxía para extraer información clínica e bioloxicamente relevante de sinais complexos.
Cómpre situar este traballo no seu contexto. Hai máis dunha década, a saúde dixital —e o que hoxe podemos chamar bioestatística dixital— aínda non se consolidara como campo de investigación. Por iniciativa propia, e a miúdo máis alá dos requisitos da súa formación, Marcos xa exploraba como estudar con métodos matemáticos avanzados os datos procedentes do deporte, da fisioloxía e dos dispositivos de monitorización. Esta curiosidade temperá anticipou boa parte do rumbo da súa carreira científica.
Durante o doutoramento, centrado na saúde dixital e en novos métodos estatísticos, introduciu o concepto de glucodensidade, unha representación distribucional dos datos de dispositivos de monitorización continua de glicosa. Este marco permitiu resumir e analizar sinais dixitais de alta frecuencia conservando características da distribución completa de glicosa que se perden ao utilizar unicamente indicadores clínicos tradicionais.
En paralelo, desenvolveu un profundo interese pola teoría da aprendizaxe automática, consciente de que os avances transformadores na biomedicina requiren métodos estatísticos e computacionais cada vez máis sofisticados. Xunto á súa investigación doutoral, contribuíu a un marco xeral de cuantificación da incerteza e inferencia preditiva para respostas que son obxectos aleatorios definidos en espazos métricos.
Posteriormente realizou a súa investigación posdoutoral na Universidade de Harvard baixo a supervisión de Jukka-Pekka Onnela. Alí desenvolveu novos métodos estatísticos para medicina dixital, con especial atención a enfermidades neurolóxicas como a ELA. Neste contexto, contribuíu a biomarcadores funcionais derivados de datos dixitais para mellorar a predición do prognóstico respecto dos enfoques convencionais.
Como el mesmo recoñece, a súa estadía en Boston foi unha das experiencias máis importantes da súa vida. Coñeceu persoas extraordinarias no científico e no persoal e integrouse nun contorno académico profundamente internacional. Esta experiencia fíxolle repensar que significa investigar con sentido, que problemas merecen unha atención sostida e como abordalos para xerar un impacto científico e social duradeiro.
O seu perfil científico combina comprensión biomédica, especialización metodolóxica e un firme compromiso cos problemas reais. A súa investigación parte de preguntas clinicamente relevantes e busca respondelas mediante avances fundamentais en estatística, aprendizaxe automática, probabilidade, análise de datos funcionais e bioestatística.
A súa filosofía científica consiste en identificar problemas biomédicos verdadeiramente relevantes e desenvolver, sen renunciar ao rigor matemático, os métodos estatísticos e computacionais necesarios para resolvelos e trasladar os seus resultados á práctica clínica.
Aínda que se atopa nunha etapa relativamente temperá da súa carreira, publicou máis de cincuenta artigos científicos, recibiu varias distincións internacionais e colaborou con investigadores de referencia en medicina, ciencias do exercicio, aprendizaxe automática, probabilidade, estatística e bioestatística. Tamén foi convidado a presentar o seu traballo en congresos e reunións científicas internacionais.
Entre as súas principais achegas destacan a introdución da glucodensidade e o desenvolvemento de métodos estatísticos para a súa análise; modelos de efectos aleatorios para obxectos aleatorios en espazos métricos; novos procedementos de cuantificación da incerteza en espazos non euclidianos; e métodos de fusión e integración de datos para ensaios clínicos e estudos de saúde dixital.
Un trazo distintivo do seu traballo é que os seus métodos non buscan unicamente a innovación matemática. Están deseñados para mellorar de forma tanxible problemas biomédicos reais e xerar coñecemento clínico difícil de obter con técnicas convencionais.
O obxectivo último da súa investigación é desenvolver enfoques analíticos que contribúan a transformar a medicina, facilitar a detección temperá de enfermidades, mellorar a personalización dos tratamentos e elevar a calidade de vida.
Marcos cre que algúns dos avances científicos máis importantes xurdirán da intersección da aprendizaxe automática, a inferencia estatística e a investigación biomédica. Esta visión esixe ferramentas matemáticas avanzadas e a capacidade de comprender as necesidades clínicas, identificar problemas relevantes e formular solucións trasladables á práctica médica e sanitaria.
Os estudantes que se incorporen ao grupo traballarán na intersección da inferencia estatística, a aprendizaxe automática e a investigación biomédica. Poderán desenvolver metodoloxía rigorosa, colaborar con profesionais clínicos e investigadores internacionais, analizar conxuntos de datos singulares de saúde dixital e explorar ideas ambiciosas con potencial de impacto científico e clínico. O grupo ofrece unha supervisión próxima e promove, ao mesmo tempo, a independencia intelectual, a formulación de preguntas orixinais e o desenvolvemento dunha identidade científica propia.
Fóra do ámbito académico, Marcos goza practicando deporte, viaxando e asistindo a concertos. Ante todo, intenta vivir con curiosidade e sentido do humor, convencido de que a ambición científica e o compromiso profesional deben ser compatibles cunha vida plena, rica en experiencias e emocións.
Máis alá de aspirar a que o seu propio traballo sexa influente, unha das súas maiores metas é crear un contorno no que os seus estudantes atopen traxectorias profesionais satisfactorias, desenvolvan ideas valiosas e se convertan en investigadores independentes capaces de abordar problemas científicos importantes.