Url http://www.cimne.com/webcimne/sigpro/Ficha.aspx?id=658
Acronym DSS4RA
Project title Desarrollo de un Sistema de Apoyo a las Decisiones basado en Técnicas de Inteligencia Artificial para el manejo rutinario de la Artritis Reumatoide
Reference PI14/01356
Principal investigator Fernando SALAZAR GONZÁLEZ - fsalazar@cimne.upc.edu
Start date 01/01/2015 End date 31/12/2018
Coordinator Hospital de la Princesa
Consortium members
  • HCSC
  • CIMNE
Program Fomento I+D+i orientada a retos sociedad Call Instituto de Salud Carlos III - Subvenciones de la Acción Estratégica en Salud 2013-2016 para el año 2014
Subprogram Acción Estratégica en Salud Category Nacional
Funding body(ies) ISCIII Grant 62.920,00 €
Abstract Objetivo: Desarrollar, Evaluar e Implementar un sistema de ayuda a las decisiones (SAD), basado en técnicas de Inteligencia Artificial (IA), que ofrezca información sobre el pronóstico de pacientes con Artritis Reumatoide (AR) durante la rutina asistencial en base a datos sociodemográficos, clínicos y genéticos. (1) Se evaluará la capacidad predictiva de este SAD frente a modelos estadísticos clásicos. (2) Se diseñará e implementará una aplicación informática que permita el uso del SAD en Consultas Monográficas de AR del Hospital Universitario de la Princesa, Hospital Clínico San Carlos y Hospital Universitario de la Paz. Metodología: objetivo específico (1) se realizará mediante la explotación de la Cohorte IntegrAR, que incluye 3.250 pacientes diagnosticados de AR en los Servicio de Reumatología de dichos centros, que cumplen criterios de clasificación del ACR de 1987. Se generarán, mediante técnicas estadísticas clásicas, modelos predictivos de mortalidad, discapacidad, progresión radiológica y de un nuevo constructo de gravedad global de la enfermedad, a corto (6 meses), medio (1 año) y largo plazo (5 años), que serán comparados con la capacidad de predicción del SAD. En el objetivo específico (2) se diseñará y desarrollará una aplicación que ofrezca los resultados de la predicción del SAD, así como los principales factores de riesgo que contribuyen a dicha predicción, siguiendo el modelo de 4 niveles, que además esté integrada en los sistema informáticos utilizados en las consultas monográficas de AR de los tres hospitales. La aplicación se probará en condiciones asistenciales de rutina, evaluando su aceptabilidad y rendimiento.
LogoPrograma
Este proyecto está cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER). “Una manera de hacer Europa”