- INSTRUMENTO Fondo Sectorial de Investigación a Partir de Datos
- BENEFICIARIO Josemaría Menéndez Dutra : Dirección Nacional de Sanidad de la Fuerzas Armadas
- DEPARTAMENTO Paysandú, Paysandú, Montevideo
- SUBSIDIO UYU 587000
- FECHA DE INICIO 01.04.2019
- DURACIÓN 18 meses
- AÑO CONVOCATORIA 2017
- CÓDIGO FSDA_1_2017_1_143653
- FASE CERRADO
- ESTADO Terminado
El trasplante hepático es la última opción terapéutica en pacientes con hepatopatías complejas. Es un proceso asistencial de elevado costo, exige la conformación de un equipo especializado multidisciplinario, y un estrecho seguimiento de los pacientes durante toda su vida.(1) Este proceso genera un gran volumen de información y datos, de naturaleza múltiple. El adecuado manejo clínico de los pacientes trasplantados impacta en su pronóstico vital, y las decisiones en muchas oportunidades se toman a partir de la interacción de múltiples variables. El área de la salud ha sido siempre uno de los principales sectores motivado a adoptar nuevas tecnologías, dado que el objetivo primario es proporcionar una mejor atención a los pacientes. El campo de la inteligencia artificial, se aplica a un amplio rango de disciplinas en medicina, sin embargo en medicina trasplantológica aún es un área escasamente explorada. El objetivo principal de este proyecto consiste en predecir los principales determinantes de morbilidad y mortalidad en el post trasplante, de los pacientes trasplantados hepáticos en el Programa Nacional de Trasplante Hepático del Uruguay, a partir de la utilización de un sistema de gestión de datos, basado en inteligencia computacional. Con este fin, se estimará la probabilidad de desarrollar una patología cardiovascular (Riesgo inherente), la progresión a enfermedad renal crónica y recurrencia de hepatocarcinoma. En esta primera etapa nos centraremos escencialmente en el análisis del riesgo cardiovascular (RCV) post trasplante Para ello, se propone realizar una depuración de los datos existentes y recopilar nuevos, de modo de aplicar sobre ellos un análisis integral basado en estrategias de inteligencia artificial ("Big Data Analysis", "machine learning"y "pattern recognition" entre otros) Finalmente y en virtud de los resultados obtenidos se desarrollará un sistema de análisis predictivo del RCV para cada una de las patologías bajo estudio.