Ir a noticias

SALUD

AISym4MED, la nueva plataforma que espera mejorar el sistema de datos sanitarios en Europa

AISym4MED

Recientemente tuvo lugar en la Universidad UPTEC de Oporto (Portugal) la reunión de lanzamiento del proyecto AISym4MED. El evento, organizado por Fraunhofer Portugal AICOS, tuvo como protagonistas a todo el consorcio en la planificación de AISym4MED, con el objetivo de poner datos de calidad a disposición de la investigación médica y ayudar a crear una IA más responsable a través de una plataforma que combina técnicas de Machine Learning y Generación de Datos Sintéticos. Zabala Innovation lidera el paquete de trabajo de diseminación y comunicación con actores de toda la cadena de valor sanitaria y participa en procesos de co-creación.

Durante la reunión, el consorcio formado por socios de ocho países diferentes de toda Europa, bajo la dirección de Fraunhofer Portugal AICOS y bajo la coordinación de HaDEA- European Health and Digital Executive Agency, presentó las próximas fases operativas en el proceso de implementación y la agenda de los próximos pasos.

Los socios son: Fraunhofer Portugal Research, Imperial College of Science technology and Medicine, Inycom Innovation Technologies, Consorci Sanitari de l’Alt Penedès i Garraf, TIGA Bilgi Teknolojileri Anonim Sirketi, Zabala Innovation, Asociacion Instituto de Investigacion Sanitaria Biocruces Bizkaia, Servicio Vasco de Salud Osakidetza, Time. Lex, Universidade do Porto, Nova ID FCT – Associacao Para a Inovacao e Desenvolvimento da Fct, Ibermatica, Saidot, Utrecht Hospital, y Universidad de Zurich.

Más sobre AISym4MED

«El proyecto AISym4MED pretende avanzar en la investigación y el desarrollo de la asistencia sanitaria, que es un ámbito exigente, de alto riesgo y esencial», afirma David Belo, coordinador del proyecto AISym4MED. «Nuestro objetivo es eliminar las barreras que impiden el despliegue de soluciones de alta calidad. Para lograrlo, desarrollaremos herramientas de generación de datos, auditoría de modelos y visualización que respeten los derechos fundamentales y la diversidad de la humanidad, lo que nos dará una nueva perspectiva y visión de cómo podemos ayudar a las personas a alcanzar un mejor estado de bienestar. Prevemos que en el futuro trascenderemos la forma en que interactuamos con los datos médicos, lo que nos permitirá tomar decisiones más informadas y responsables que tendrán un impacto significativo en la vida de las personas, independientemente de su origen», añade Belo.

La idea trata de resolver algunos retos que se plantean especialmente en el tratamiento de datos. Especialmente en los últimos años, los sistemas sanitarios europeos deben hacer frente al envejecimiento de la población, al aumento del número de personas que necesitan apoyo para enfermedades crónicas como la diabetes de tipo II, los trastornos cardiovasculares y la hipertensión, así como a riesgos pandémicos relevantes. En este sentido, la tecnología es cada vez más importante; desde la pandemia de COVID-19, la industria sanitaria está integrando cada vez más tecnologías en su mercado, hasta el punto de predecir unos ingresos de 39 millones de euros para 2026, especialmente en lo que se refiere a la Inteligencia Artificial.

Los recientes desarrollos médicos y de tecnología de TI/sensores están apoyando una comprensión más amplia de la medicina P4, también conocida como salud predictiva, preventiva, personalizada y participativa. En este contexto, cada vez es más importante perfilar el riesgo de enfermedades, simular la transmisión de enfermedades y realizar experimentos controlados utilizando datos que puedan recopilarse de forma fácil, fiable, asequible y repetida.

Por no mencionar el reto que supone tratar con múltiples fuentes de datos y las dificultades de desarrollar y perfeccionar soluciones de aprendizaje automático listas para el consumidor. Sin embargo, el énfasis tradicional de la comunidad de la ciencia de datos en la accesibilidad y la reutilización debe atemperarse con la necesidad de cumplir las restricciones éticas y legales, sobre todo cuando se trabaja con datos sanitarios personales (PHD).

Otra cuestión importante es el tratamiento, intercambio y gestión de datos, especialmente los sensibles. En este sentido, el proyecto se alinea con la Comisión Europea, que apoya activamente la creación de un Espacio Europeo de Datos Sanitarios (EHDS) para fomentar el intercambio de datos sanitarios y apoyar la investigación sobre nuevas medidas preventivas, tratamientos, medicamentos y dispositivos médicos, garantizando al mismo tiempo que las personas tengan control sobre sus propios datos personales.

Otro de los retos que se plantean es que los datos sanitarios suelen estar incompletos y carecer de calidad, y no siempre siguen un formato/representación estándar. Además, el hecho de que estén dispersos en muchos hospitales, clínicas y bases de datos gubernamentales inhibe todo su potencial para fines de investigación en el sector sanitario.

En este contexto, el objetivo de AISym4Med es desarrollar una plataforma que proporcione a los ingenieros de datos sanitarios, profesionales e investigadores acceso a un sistema de conjuntos de datos fiables aumentado con síntesis de datos controlados para fines de experimentación y modelización. Esta plataforma abordará la privacidad y seguridad de los datos combinando nuevas técnicas de anonimización, medidas de privacidad basadas en atributos y sistemas de seguimiento fiables. Además, esta plataforma explotará tecnologías federadas para reproducir datos no identificables de fronteras cerradas, promoviendo la evaluación indirecta de un mayor número de bases de datos, respetando al mismo tiempo la privacidad, la seguridad y las directrices de cumplimiento de la GDPR.

AISym4Med contribuirá a la creación de algoritmos de aprendizaje automático (ML) más robustos para la preparación para el mundo real, teniendo en cuenta al mismo tiempo la configuración informática más eficaz. Además, un metamotor de aprendizaje automático proporcionará información sobre la calidad del modelo generalizado mediante el análisis de sus límites y puntos de ruptura, contribuyendo a la creación de un sistema más robusto mediante el suministro de datos reales y/o sintéticos bajo demanda. Esta plataforma se validará con casos de uso locales, nacionales y transfronterizos para ingenieros de datos, desarrolladores de ML y ayuda para las operaciones de los clínicos.