Grup de Recerca en IA i Dades de Salut
Amb la intel·ligència artificial (IA) en salut com a motor, l'equip desenvolupa aproximacions d'IA científica i biologia computacional. Mitjançant aquestes aproximacions, s'integren dades multimodals (incloent-hi informació òmica, neuroimatge i dades clíniques, cognitives i d'estil de vida) per transformar la recerca sobre la neurodegeneració, com ara l'Alzheimer, en solucions clíniques reals.
Medicina de precisió impulsada per dades i computació
Sota la direcció del Dr. Joaquín Dopazo, el Grup de Recerca en IA i Dades de Salut té com a missió principal transformar la immensa quantitat de dades de recerca del BBRC en coneixement útil i accionable.
Per aconseguir-ho, l'equip desenvolupa models computacionals avançats que combinen intel·ligència artificial (IA), biologia computacional i modelització. L'objectiu és superar la medicina tradicional basada en estadístiques per fer el pas cap a una medicina de precisió real. Això permet que tant els tractaments com les estratègies de prevenció s'adaptin a les característiques úniques de cada individu.
Una de les àrees més innovadores en què treballen és la IA generativa, amb la qual desenvolupen pacients sintètics i models agentius per simular i estudiar escenaris complexos de salut.
Innovació en IA generativa: pacients sintètics i models agentius
La seva recerca combina intel·ligència artificial (IA), biologia de sistemes i genòmica computacional per identificar biomarcadors, predir riscos i progressions, i comprendre els mecanismes moleculars de la malaltia d'Alzheimer.
A més, impulsa noves metodologies basades en pacients sintètics (registres clínics generats mitjançant IA que simulen històries clíniques reals sense comprometre la privacitat) per facilitar la recerca ètica i segura. També treballen amb metodologies d'IA agentiva, capaç d'executar de manera autònoma numerosos aspectes del procés de recerca i presa de decisions complexes.
Aquestes tecnologies acceleren la generació de coneixement biomèdic i la seva aplicació traslacional en cohorts d'estudi com ALFA, optimitzant el pas de la recerca al benefici clínic.
Aproximacions computacionals per a la integració multimodal de dades i el descobriment de biomarcadors
Integració i anàlisi conjunta de dades genòmiques, transcriptòmiques, proteòmiques, metabolòmiques, microbioma, neuroimatge, així com de dades clíniques, cognitives i d'estil de vida per caracteritzar l'heterogeneïtat de les malalties neurodegeneratives i identificar biomarcadors amb valor diagnòstic, pronòstic i predictiu.
Desenvolupament d'aplicacions bioinformàtiques per al maneig de dades òmiques.
Aplicacions d'intel·ligència artificial per a predicció precoç de l'Alzheimer i estratificació de pacients
Desenvolupament de models d'IA orientats a identificar individus en risc, predir la progressió clínica i estratificar pacients en fases primerenques o preclíniques de malalties neurodegeneratives, amb especial atenció a la malaltia d'Alzheimer.
Biologia de sistemes i modelització mecanística per descobrir noves dianes terapèutiques
Aplicació de models de rutes, xarxes biològiques i enfocaments mecanístics per interpretar alteracions moleculars, comprendre mecanismes patogènics i proposar noves dianes terapèutiques o estratègies de reposicionament de fàrmacs.
Genòmica computacional aplicada a malalties neurodegeneratives minoritàries
Generació de pacients sintètics i simulació de cohorts virtuals
Desenvolupament i validació de metodologies d'IA generativa per a la creació de pacients sintètics (bessons digitals) i cohorts virtuals que facilitin la recerca, l'entrenament de models, l'avaluació d'hipòtesis i l’intercanvi segur de dades tot preservant la privacitat.
Sistemes d'IA avançats per a la generació automàtica de coneixement biomèdic
Disseny de sistemes avançats d'IA agentiva capaços d'explorar de manera autònoma dades biomèdiques, literatura científica i bases de coneixement per generar hipòtesis, integrar evidències, descobrir relacions rellevants i accelerar la recerca traslacional en neurodegeneració.
