El objetivo primario es la aplicación de herramientas de “machine learning” para desarrollar modelos predictivos de la evolución de pacientes con artritis reumatoide con el fin de poder identificar los pacientes que se beneficiarían de un tratamiento intensivo desde el inicio del seguimiento. Como objetivos secundarios se propone estudiar el trasfondo genético de diferentes fenotipos de artritis reumatoide que ayudaran a modelar el objetivo primario. Métodos: Para la consecución de estos objetivos se propone la utilización de los datos incluidos en IntegrAR, una base de datos codificada que ha homogeneizado los datos sociodemográficos, clínicos, radiográficos y terapéuticos de unos 5000 pacientes en seguimiento en 3 centros hospitalarios. Además, unos 1500 pacientes de IntegrAR han sido genotipados mediante la plataforma InmunoChip de Illumina. Dada la enorme cantidad de variables a incluir en los modelos, los análisis estadísticos clásicos resultan insuficientes, por lo que se propone el uso de técnicas como Random Forest o Redes Neuronales entre otros, para el desarrollo de los modelos predictivos. La validación de los modelos se realizará en los pacientes de IntegrAR sin InmunoChip, en los que se genotiparán los SNPs relevantes en los modelo predictivos. También se intentará hacer una validación externa en otras poblaciones con estudio InmunoChip de otros centros y/o países, lo que aumentará la generalización de los resultados.
artritis reumatoide
modelo predictivo
evolución
machine learning
aprendizaje automático
Acción Estratégica en Salud (AES)
01/01/2019 - 31/12/2021
ABASOLO ALCAZAR, LYDIA
FUNDACION INVESTIGACION BIOMEDICA HOSPITAL CLINICO SAN CARLOS
INSTITUTO DE INVESTIGACION SANITARIA DEL HOSPITAL CLINICO SAN CARLOS (IDISSC)
Comunidad de Madrid
Madrid
52,030 €