Composición
Presidente
Javier Nieto Moragas (desde enero de 2024)
Miembros
Albert Blanco Grau
Fernando Calvo Boyero
Cristian Cauqui Lende
Javier Hernando Redondo
Fernando Marqués García
Salomón Martín Pérez
Anna Marull Arnall
Ángel Molina Borrás
Daniel Prieto Arribas
Elena de Rafael González
Presentación
La actividad en el Laboratorio Clínico genera un número creciente de resultados analíticos con una complejidad variable. La automatización de procesos, comunicación entre sistemas informáticos y herramientas para la gestión y análisis de datos han permitido avanzar hacia un universo que requiere de conocimientos alternativos para su manejo.
A esta problemática se han propuesto herramientas tales como el business object, big data o inteligencia artificial y que se recogen en el área de conocimiento denominada la Ciencia de Datos. Estos términos se han vuelto más familiares y de uso cotidiano, pese a que en un primer momento no seamos conscientes de sus aplicaciones en las áreas de conocimiento del Laboratorio Clínicos.
Las ventajas de estas tecnologías dependen del buen uso y conocer sus limitaciones. Para ello, se encuentran disponibles diversas fuentes de información y formaciones complementarias, pero todavía son pocos los grupos referentes en el sector del diagnóstico in vitro. Por este motivo, este Grupo de Trabajo en Ciencia de Datos en Medicina del Laboratorio espera proponer unas buenas prácticas para la aplicación de estas herramientas y acercarlas a los profesionales del Laboratorio Clínico.
Se espera una propuesta creciente de herramientas por parte de la industria de diagnóstico in vitro para la demanda existente. Los profesionales del Laboratorio Clínico deben adquirir de forma gradual unos conocimientos mínimos para hacer frente a soluciones complejas propias de la práctica asistencial o en áreas de investigación que el aprendizaje automático, la representación gráfica multidimensional o modelización de los datos permiten abordar con mayor facilidad.
Objetivos del Grupo de Trabajo
- Introducir conceptos propios de la ciencia de datos para los profesionales del Laboratorio Clínico. Conocer las funciones del aprendizaje automático, las ventajas de la programación en open source, y fuentes de código disponibles.
- Proponer herramientas de explotación y modelización de datos para su aplicación práctica en el Laboratorio Clínico. Conocer los estándares para presentar los resultados obtenidos mediante modelos algorítmicos.
- Introducir la reproducibilidad mediante la programación de lenguaje informático de fácil interpretación. Cada vez se encuentran más publicaciones que disponen en su información adicional de libretas con códigos que, junto a los resultados del estudio, permiten verificar la trazabilidad de los resultados obtenidos.
- Proporcionar formación básica en formato de cursos y/o jornadas. Se espera trabajar temas de interés en función de la demanda. Por ejemplo, el machine learning para identificar patrones que se repiten en grupos patológicos. Otro tema de interés creciente es la explotación de datos clínicos en formato texto y numérico. Por último, también se incluirán diversos dashboard que contengan representaciones gráficas de datos demográficos y de salud pública.