Inicio   >   Proyectos   >   BIGSALUD

BIGSALUD

Big Data e Inteligencia Artificial para optimización del sistema de salud

Ámbito
Regional
Fecha
01/01/2022 - 30/06/2023
Sector
  • Salud
Presupesto
240557,71
Finanaciador

IVACE

INFORMACIÓN DEL PROYECTO

DESCRIPCIÓN

El presente proyecto tiene como objetivo principal profundizar en la investigación de técnicas de Big Data e Inteligencia Artificial, principalmente Machine Learning (aprendizaje automático) y Deep Learning, para la mejora de las técnicas de diagnóstico y pronóstico de enfermedades crónicas y del cáncer. Al mismo tiempo, estas tecnologías posibilitarán la optimización de procesos para reducir tiempos y costes asistenciales contribuyendo así a la sostenibilidad de los sistemas sanitarios en Europa. En el proyecto se combinan conjuntos de datos procedentes de diversas fuentes que permitan construir modelos predictivos como sistema de soporte a la decisión clínica y hospitalaria. Las fuentes de datos que se toman como base son, entre otras: la Historia clínica, Información genómica, Imágenes médicas, farmacia, hábitos de vida, etc.
El proyecto está orientado a optimizar la gestión de enfermedades a través de la investigación en técnicas software basadas en Machine Learning con el propósito de servir de ayuda al personal clínico en el proceso de toma de decisiones, haciendo posible un mejor diagnóstico y un pronóstico de enfermedades y un tratamiento más personalizado y eficaz de los pacientes.

El presente proyecto tiene como objetivo principal profundizar en la investigación de técnicas de Big Data e Inteligencia Artificial, principalmente Machine Learning (aprendizaje automático) y Deep Learning, para la mejora de las técnicas de diagnóstico y pronóstico de enfermedades crónicas y del cáncer. Al mismo tiempo, estas tecnologías posibilitarán la optimización de procesos para reducir tiempos y costes asistenciales contribuyendo así a la sostenibilidad de los sistemas sanitarios en Europa. En el proyecto se combinan conjuntos de datos procedentes de diversas fuentes que permitan construir modelos predictivos como sistema de soporte a la decisión clínica y hospitalaria. Las fuentes de datos que se toman como base son, entre otras: la Historia clínica, Información genómica, Imágenes médicas, farmacia, hábitos de vida, etc.
El proyecto está orientado a optimizar la gestión de enfermedades a través de la investigación en técnicas software basadas en Machine Learning con el propósito de servir de ayuda al personal clínico en el proceso de toma de decisiones, haciendo posible un mejor diagnóstico y un pronóstico de enfermedades y un tratamiento más personalizado y eficaz de los pacientes.

Impacto

Los objetivos del proyecto se articulan en el contexto de la aplicabilidad de las técnicas procedentes de Machine Learning al sector salud, que han demostrado su eficacia en otros ámbitos como la biometría, el reconocimiento de texto manuscrito, la traducción automática, etc. Por otra parte, se trata de enmarcarlo en un entorno de Big Data Analytics que, por naturaleza, permite tanto almacenamiento robusto como computaciones masivas, todo ello de forma ágil, elástica y escalable. Combinando de forma innovadora servicios de infraestructura para tratamiento de información, tanto a nivel de almacenamiento como de procesamiento distribuido, con Inteligencia Artificial, se espera aportar soluciones novedosas a los problemas relacionados con la medicina de precisión, como los mencionados anteriormente. Con ello se pretende mejorar la calidad de vida con una medicina donde los tratamientos se ajusten a cada paciente y donde un hospital pueda anticiparse mejor a sus necesidades

Los objetivos se centran en los siguientes ejes:

• Metodología de adaptación de datos sanitarios. Definir un flujo de trabajo común entre equipos médicos y analistas de datos para intercambiar, entender y transformar los datos sanitarios (imágenes médicas, información genómica, información clínica, etc.) de manera adecuada para su análisis con técnicas Machine Learning.
• Análisis de datos sanitarios mediante técnicas de Machine Learning utilizando herramientas Big Data.
Desarrollar y aplicar técnicas de Machine Learning en un entorno Big Data para producir modelos predictivos a partir de datos sanitarios con el fin de emitir diagnósticos o pronósticos que ayuden a los especialistas en su toma de decisiones.
• Herramienta de ayuda en Diagnosis y Prognosis
Diseñar y desarrollar un servicio web multi-plataforma donde el personal clínico pueda introducir los datos de un paciente en un sistema basado en Inteligencia Artificial, para obtener una predicción (diagnosis o prognosis) en tiempo real.

CAPACIDADES TECNOLÓGICAS

IA
Tecnologías analíticas de predicción y prescripción