Fenotipado dixital e saúde personalizada
Como transformar datos fisiolóxicos continuos e datos biolóxicos multimodais en fenotipos dixitais reproducibles para a medicina personalizada?
Proxectos
Os nosos proxectos buscan establecer bases metodolóxicas rigorosas para a bioestatística dixital e demostrar a súa utilidade na investigación biomédica, na práctica clínica e na saúde poboacional. Desenvolvemos os métodos estatísticos necesarios para transformar datos de saúde continuos, lonxitudinais e multimodais en coñecemento biomédico fiable e decisións clinicamente relevantes. Organizamos este traballo en tres programas de investigación interconectados, co obxectivo global de xerar un impacto real na saúde metabólica, na atención á diabetes e na nutrición personalizada.
Programas de investigación principais
Biomarcadores dixitais de progresión de enfermidades
Poden as medicións dixitais case continuas detectar cambios clinicamente relevantes antes que as avaliacións clínicas convencionais?
Saúde poboacional e epidemioloxía dixital
Como poden os datos de saúde dixital mellorar a vixilancia, a prevención e a planificación sanitaria a escala poboacional?
Preguntas abertas que estamos a abordar
A nosa investigación articúlase arredor de preguntas metodolóxicas, aplicadas e clínicas aínda abertas. Estas preguntas orientan o desenvolvemento de nova teoría estatística e garanten que os métodos resultantes respondan a problemas importantes da medicina e da saúde pública.
Valores e para contrastes múltiples de alta dimensión
Como desenvolver os valores e como un marco xeral para contrastar múltiples hipóteses a grande escala en estudos de saúde dixital de alta dimensión?
Predición conforme óptima para modelos de efectos aleatorios
Como estender a predición conforme a modelos multinivel e de efectos aleatorios preservando garantías relevantes de cobertura marxinal e condicional?
Inferencia preditiva condicional para obxectos aleatorios
Como construír rexións preditivas para obxectos aleatorios en espazos métricos con garantías sólidas de cobertura condicional, sen supostos restritivos de suavidade?
Aprendizaxe profunda sen supostos de variedade
Que garantías teóricas poden establecerse para algoritmos de aprendizaxe profunda en espazos non euclidianos xerais, sen supoñer que as observacións pertencen a unha variedade suave, e motivados por aplicacións actuais de saúde dixital?
Fundamentos matemáticos da análise de datos distribucionais
Que fundamentos matemáticos e estatísticos se precisan para consolidar a análise de datos distribucionais como un marco rigoroso, interpretable e amplamente aplicable á saúde dixital?
Preguntas aplicadas e clínicas
Xunto a estes desafíos metodolóxicos, investigamos preguntas aplicadas de gran relevancia nas que os métodos estatísticos avanzados poden achegar un valor clínico e biomédico tanxible.
Descubrimentos xenéticos mediante fenotipos dixitais
Poden os fenotipos dixitais revelar asociacións xenéticas que os biomarcadores clínicos convencionais non detectan?
Validación da glucodensidade como biomarcador dixital
Poden validarse a glucodensidade e outras representacións distribucionais como biomarcadores dixitais robustos, reproducibles e máis informativos da saúde metabólica?
Variabilidade da glicosa e microbioma
Que papel desempeña a variabilidade da glicosa na relación entre o microbioma e a saúde metabólica, e como poden os datos de monitorización continua de glicosa mellorar a súa caracterización?
Monitorización continua de glicosa e retinopatía
Como se relacionan os fenotipos de monitorización continua de glicosa coa retinopatía diabética e outras complicacións microvasculares?
Fenotipado de sinais biomédicos continuos
Como transformar sinais fisiolóxicos continuos en fenotipos dixitais clinicamente relevantes e reproducibles, e que se precisa para establecer un marco rigoroso de fenotipado baseado en monitorización continua de glicosa en poboacións sen diabetes?
Máis información sobre o noso traballo
Modelización estatística de datos multimodais de saúde dixital e ómicos en Human Phenotype Project
Desenvolvemos modelos de IA estatística para integrar datos multimodais de saúde dixital, imaxe médica, xenómica e microbioma de Human Phenotype Project, con aplicacións ao risco de retinopatía, ao metabolismo da glicosa e aos fenotipos funcionais de saúde dixital.
Métodos espazotemporais para epidemioloxía dixital con aplicacións na diabetes mellitus
Desenvolvemos métodos estatísticos e de aprendizaxe automática espazotemporais para analizar datos de dispositivos portátiles, sistemas de monitorización continua de glicosa e historias clínicas electrónicas, co obxectivo de cartografar o risco de diabetes e o control metabólico no espazo e no tempo.
Biomarcadores funcionais e distribucionais para seguir a progresión da ELA
Desenvolvemos biomarcadores funcionais e distribucionais a partir de datos case continuos do movemento das mans para mellorar o seguimento da progresión da ELA e a predición da supervivencia.