Grupo de investigación: Laboratorio de Informática Médica Avanzada (LIMA)

Laboratorio de Informática Médica Avanzada (LIMA)

Líneas de investigación

1. Salud Digital

Investigar, desarrollar y evaluar tecnologías digitales centradas en el paciente que mejoren la atención sanitaria y la interacción entre pacientes, profesionales y sistemas.

• Historia clínica electrónica e informática clínica
• Transformación digital de procesos asistenciales y sistemas de apoyo a la decisión clínica
• mHealth, monitorización remota, dispositivos conectados y biomarcadores digitales
• PROMs y PREMs e incorporación de resultados relevantes para el paciente
• Determinantes digitales de la salud, accesibilidad, equidad e inclusión
• Evaluación del impacto clínico, organizativo y humano de la tecnología
• Competencias digitales y profesionalismo en salud digital

2. Ciencia del Dato: Esapacio de Datos e Integración

Desarrollar las capacidades científicas y metodológicas necesarias para convertir los datos sanitarios en activos de conocimiento interoperables, seguros y reutilizables para la asistencia, la investigación y la innovación.

• Datos clínicos longitudinales y fenotípicos
• Genómica y otras ciencias ómicas
• Imagen médica y anatomía patológica digital
• Biomarcadores y señales fisiológicas
• Implementación de modelos de intercambio de información federados
• Aplicación de herramientas automatizadas para compartir y analizar información genómica y clínica
• Espacio Europeo de Datos Sanitarios (EHDS) en su uso primario y secundario del dato sanitario
• Gobernanza, calidad y plataformas de datos sanitarios
• Desarrollo de pipelines de transformación del dato clínico para asegurar su calidad, persistencia e interoperabilidad, favoreciendo su explotación y reutilización mediante la adopción de estándares internacionales ampliamente reconocidos como OMOP u openEHR

3. Inteligencia Artificial en Salud

Desarrollar, validar e implementar sistemas de inteligencia artificial seguros, explicables y clínicamente útiles que transformen los datos sanitarios en conocimiento accionable para apoyar la investigación, la toma de decisiones y la medicina de precisión.

• Procesamiento del lenguaje natural y fenotipado computacional
• Machine Learning, Deep Learning, IA generativa y Large Language Models
• IA multimodal, federada y técnicas de preservación de privacidad
• Evaluación de algoritmos en condiciones retrospectivas, prospectivas y de práctica real (RWD)

4. Impacto medioambiental en la Salud y Green Digital Health

Crear un espacio de investigación del exposoma humano que integre las exposiciones ambientales, sociales, conductuales y digitales a lo largo de la vida con la susceptibilidad biológica y los resultados clínicos. Investigar tanto el potencial de la digitalización para reducir el impacto ambiental de la asistencia como la huella generada por las propias tecnologías digitales.

• Exposoma ambiental: contaminación, temperatura, eventos extremos, ruido, polen, radiación y entorno urbano.
• Exposoma social: vulnerabilidad, condiciones socioeconómicas, aislamiento, entorno laboral y territorio.
• Exposoma conductual: actividad física, sueño, movilidad y estilos de vida.
• Exposoma digital: interacción con tecnologías, sensores, wearables y patrones digitales.
• Exposoma biológico: genómica, epigenómica, metabolómica, proteómica, microbioma y biomarcadores.
• Modelos explicativos y predictivos que conecten exposición, respuesta biológica, fenotipo, enfermedad y utilización sanitaria.
• Desarrollo progresivo de una exposómica de precisión aplicable a enfermedades respiratorias, cardiovasculares, neurológicas, psiquiátricas y otras patologías crónicas.
• Green by Digital: optimización de procesos, telemedicina, planificación de recursos, predicción de demanda, eficiencia energética y reducción de desplazamientos y residuos.
• Green in Digital: consumo energético, almacenamiento y procesamiento, cloud, entrenamiento e inferencia de IA, dispositivos y ciclo de vida tecnológico.

5. Ciberseguridad, Gobernanza y Protección de la Información

La creciente digitalización de la asistencia sanitaria, el desarrollo de espacios de datos y la incorporación de la inteligencia artificial requieren entornos de investigación y gestión del dato que garanticen la seguridad, privacidad y confianza de pacientes, profesionales e instituciones. Esta línea se centra en la protección integral de la información sanitaria, asegurando el cumplimiento normativo, la gestión segura del ciclo de vida del dato y la adopción de estándares y controles de ciberseguridad alineados con las estrategias del Sistema Nacional de Salud.

• Integrar mecanismos de protección de datos desde el diseño y por defecto incorporando técnicas de pseudonimización, anonimización y minimización del dato en entornos clínicos, científicos y de inteligencia artificial.
• Desarrollar procedimientos y marcos de cumplimiento que faciliten el intercambio seguro de información y la colaboración entre instituciones, promoviendo la reutilización secundaria de los datos con las garantías legales y éticas adecuadas.
• Evaluar y mitigar los riesgos asociados al tratamiento de datos sanitarios y al uso de tecnologías emergentes.
• Impulsar la ciberseguridad en los entornos de investigación, mediante la adopción de medidas alineadas con el Reglamento General de Protección de Datos, el Esquema Nacional de Seguridad y la Política de Seguridad de la Información de la Comunidad de Madrid.
• Promover la cultura de seguridad y privacidad mediante iniciativas de formación, concienciación y apoyo a investigadores y profesionales en materia de protección de la información y cumplimiento normativo.

6. Simulación, Gemelos Digitales y Health AI Sandbox

Crear una infraestructura científica de experimentación controlada para desarrollar, integrar, simular y evaluar tecnologías digitales y de inteligencia artificial antes de su incorporación al entorno asistencial real.

• Datos sintéticos y entornos seguros de experimentación
• Simulación de procesos asistenciales y escenarios clínicos
• Modelos in silico, gemelos digitales de procesos hospitalarios y Virtual Human Twins
• Validación retrospectiva y silent trials
• Evaluación prospectiva controlada y human-in-the-loop
• Evaluación de sesgos, robustez, generalización, explicabilidad y seguridad clínica
• MLOps, monitorización de rendimiento y model drift. Es decir, la gestión y monitorización del ciclo de vida de los modelos de IA (MLOps), incluyendo control de versiones, trazabilidad, evaluación continua de su rendimiento, detección de sesgos y desviaciones (model drift), recalibración y criterios de actualización o retirada

Contacto

Listado de investigadores

Actividades de Investigación

Cartera de servicios