La Universidad Politécnica de Madrid (UPM), a través del grupo de investigación Medical Data Analytics (MEDAL) de su Centro de Tecnología Biomédica (CTB), se ha erigido como un pilar estratégico en el panorama de la investigación europea. Más allá de ser un mero actor, la UPM funciona como un eje de referencia que define el futuro de la inteligencia artificial y la ciencia de datos aplicadas a la salud. Esta posición es impulsada por la visión de investigadoras como Ernestina Menasalvas, Catedrática de la UPM, cuyo protagonismo es clave en la dirección de esta ambiciosa agenda científica y tecnológica.
El verdadero alcance de su influencia se manifiesta en una estructura de investigación sólida y una cartera de proyectos que abordan los retos más acuciantes de la sociedad. A continuación, se detallan las líneas maestras que guían su trabajo y el ecosistema de proyectos que las materializan.
Las líneas maestras que definen la investigación del CTB
El liderazgo del centro se cimienta sobre cinco líneas de investigación interconectadas, diseñadas para abordar el ciclo de vida completo de los datos, desde su análisis y escalabilidad hasta su aplicación en el sector biomédico.
1. Analítica de Datos y Escalabilidad: Esta línea se enfoca en el desarrollo de algoritmos y sistemas capaces de procesar y analizar conjuntos de datos masivos (Big Data) de manera eficiente, garantizando que las soluciones puedan crecer y adaptarse a volúmenes de información cada vez mayores.
2. Inteligencia Artificial y Deep Learning: Aquí se investigan y aplican técnicas avanzadas de aprendizaje automático y profundo para extraer patrones complejos y conocimiento oculto en los datos, permitiendo crear modelos predictivos y sistemas de soporte a la decisión.
3. Visualización de Datos: El objetivo es transformar datos complejos en representaciones visuales interactivas e intuitivas. Esto facilita la exploración, el entendimiento y la comunicación de los hallazgos a expertos de diferentes dominios.
4. Interoperabilidad Semántica e Integración de Datos: Se centra en crear métodos y estándares para que distintas fuentes y tipos de datos (clínicos, genómicos, etc.) puedan combinarse y «hablar» entre sí de forma coherente, un paso crucial para una visión holística de la salud.
5. Aplicaciones Biomédicas: Esta es la línea traslacional donde convergen todas las demás. Su fin es aplicar las tecnologías desarrolladas para resolver problemas concretos en el ámbito de la salud, como el diagnóstico precoz de enfermedades, la medicina personalizada o la optimización de tratamientos.
Un ecosistema de 23 proyectos que transforman la investigación
Estas líneas de investigación se materializan en una extensa red de proyectos financiados, principalmente, por programas de la Unión Europea. A continuación, se presenta la lista completa, agrupada por sus objetivos temáticos principales.
Área 1: Salud de Precisión y Lucha contra la Enfermedad
Estos proyectos buscan revolucionar el diagnóstico y tratamiento de enfermedades complejas como el cáncer, las patologías neurodegenerativas o las enfermedades raras. El objetivo es utilizar datos genómicos, de imagen y clínicos para desarrollar herramientas que permitan una medicina verdaderamente personalizada y proactiva.
| Nombre del Proyecto | Descripción Breve |
|---|---|
| P-CDS | Desarrolla un sistema de soporte a la decisión clínica de nueva generación para oncología, basado en la integración de datos multi-fuente. |
| INCISIVE | Crea una caja de herramientas basada en IA para mejorar la efectividad de la imagen oncológica y la precisión en el diagnóstico y seguimiento del cáncer. |
| GENOMED4ALL | Impulsa la medicina personalizada en enfermedades hematológicas mediante una plataforma segura que aplica IA sobre datos genómicos y clínicos. |
| ODIN | Se centra en el estudio de dianas de quinasas de la familia Src como potenciales biomarcadores y objetivos terapéuticos en cáncer colorrectal. |
| iHelp | Busca la identificación temprana y mitigación de riesgos asociados al cáncer de páncreas, utilizando IA para el aprendizaje y soporte a la decisión. |
| CLARIFY | Combina Big Data e IA para identificar factores de riesgo que afectan a la calidad de vida de los supervivientes de cáncer de mama, pulmón y linfoma. |
| euCanSHare | Desarrolla una plataforma centralizada y segura para el intercambio de datos cardiovasculares, con el fin de potenciar la investigación en medicina personalizada. |
| C-Met-Lung | Investiga el papel de la vía de señalización del receptor c-MET en el cáncer de pulmón para identificar nuevos biomarcadores y terapias. |
| Deep-Lung | Aplica técnicas de Deep Learning al análisis de imágenes médicas para mejorar la detección y caracterización de nódulos pulmonares. |
| EMDAT | Crea modelos para la estratificación de pacientes con enfermedades mentales a partir de datos clínicos para optimizar la selección de tratamientos. |
| FEATURE-Lung | Desarrolla herramientas de análisis de datos para identificar características predictivas de respuesta a tratamientos en pacientes con cáncer de pulmón. |
| GLAU-NEED | Busca nuevos métodos para el diagnóstico precoz del glaucoma mediante el análisis de datos oftalmológicos y factores de riesgo. |
| I-SEE-CANCER | Integra datos de imagen y «ómicos» para desarrollar una plataforma de soporte a la decisión en oncología de precisión. |
| PREVENT-IT | Se enfoca en la prevención de enfermedades crónicas mediante la identificación de perfiles de riesgo a través del análisis de datos de salud. |
| RETIN-AI | Utiliza inteligencia artificial para el análisis automático de imágenes de retina, mejorando el diagnóstico de enfermedades oculares. |
| T-HELPER | Desarrolla un sistema de soporte para optimizar terapias en pacientes con VIH, basado en la modelización de la respuesta inmunológica. |
| TAD-NEURO | Aplica técnicas de análisis de datos para entender mejor las enfermedades neurodegenerativas y facilitar su diagnóstico temprano. |
| PRE-DCL | Busca identificar biomarcadores para la detección precoz del deterioro cognitivo leve (DCL), una fase previa a la demencia. |
Área 2: Infraestructuras de Datos, IA y Ecosistemas de Innovación
Este grupo de proyectos se enfoca en construir los cimientos tecnológicos e industriales para el futuro digital de Europa. Trabajan en la creación de plataformas de Big Data, en la transferencia de tecnología de IA a las pymes y en el desarrollo de aplicaciones innovadoras en sectores como la cultura o la educación.
| Nombre del Proyecto | Descripción Breve |
|---|---|
| BDVe | Apoya el ecosistema europeo del Big Data (Big Data Value PPP), fomentando la colaboración, la creación de infraestructuras y la formación de talento. |
| TETRAMAX | Impulsa la innovación en computación de baja energía y fomenta la transferencia tecnológica entre el mundo académico y las pymes europeas. |
| AI4ES | Promueve la adopción de la Inteligencia Artificial en el sector de la energía para optimizar la producción, distribución y consumo. |
| E-ROUTES | Presenta las rutas de viaje europeas desde una nueva perspectiva, utilizando fondos digitalizados de galerías, bibliotecas, archivos y museos. |
| El-ART | Explora la aplicación de tecnologías de IA para el análisis, catalogación y recomendación de obras de arte y patrimonio cultural. |
«Nuestras líneas de investigación no son teóricas; son la hoja de ruta para construir soluciones reales. Cada uno de estos 23 proyectos es una prueba tangible de cómo estamos aplicando la IA y la analítica de datos para generar un impacto medible, desde el diagnóstico de un paciente hasta la competitividad de la industria europea», afirma Ernestina Menasalvas.
La combinación de una visión estratégica clara, articulada en sus cinco líneas de investigación, y una capacidad de ejecución demostrada en una veintena de proyectos de alto impacto, consolida a la Universidad Politécnica de Madrid y a su Centro de Tecnología Biomédica como una institución indispensable en la vanguardia de la revolución digital y biomédica a nivel global.
