De hipertensión arterial a diabetes. Identificación de factores de riesgo mediante aprendizaje automático con datos heterogéneos

Resumen del proyecto

Las patologías crónicas representan el 75% del gasto sanitario. Este hecho, unido al aumento de la esperanza de vida, hace muy interesante estudiar qué factores influyen en la progresión de patologías crónicas. La hipertensión arterial (HTA) es una de las patologías crónicas de mayor prevalencia, pudiendo estar asociada al inicio de otras condiciones crónicas como la diabetes mellitus tipo 2 (DM-2). Además de las comorbilidades de HTA y DM-2, su ocurrencia simultánea aumenta significativamente el riesgo de eventos cardiovasculares. , Puesto que no existe un registro unificado de toda la información asistencial y farmacológica, se utilizarán datos heterogéneos recogidos por el Hospital Universitario de Móstoles (HUM) y el Hospital Universitario de Fuenlabrada (HUF), apoyados tecnológicamente por la Universidad Rey Juan Carlos. Por un lado, los datos asociados al HUM proceden de una población derivada a la Unidad de Hipertensión y fueron recogidos durante el seguimiento dentro de esta unidad. Por otro lado, los datos clínicos aportados por el HUF corresponden a diagnósticos y dispensación farmacológica de toda la población adscrita al hospital. , Los métodos de aprendizaje automático han mostrado su potencial para identificar variables relevantes y realizar inferencia a partir de datos suficientemente representativos del problema. El análisis de las inter-relaciones esperablemente complejas entre los factores de riesgo, así como la heterogeneidad de los datos intra e inter bases de datos, necesitará sin duda de la creación de herramientas de análisis avanzadas y adaptadas a ambos escenarios clínicos y a su explotación transversal. El objetivo principal del proyecto es diseñar nuevas herramientas de aprendizaje automático que permitan identificar factores de riesgo para caracterizar la progresión de un paciente hipertenso a DM-2, así como determinar su potencial relación con eventos cardiovasculares.

Palabras clave

hipertensión arterial
diabetes
cronicidad
factor de riesgo
aprendizaje automático
machine learning
datos heterogéneos

Convocatoria

Acción Estratégica en Salud (AES)

Periodo de ejecución

01/01/2018 - 31/12/2019

Investigador Principal

SOGUERO RUIZ, CRISTINA

Centro beneficiario

UNIVERSIDAD REY JUAN CARLOS

Centro de realización

ESCUELA TECNICA SUPERIOR DE INGENIERIA DE TELECOMUNICACION

Comunidad Autónoma

Comunidad de Madrid

Provincia

Madrid

Financiación

28,050 €