Investigadores del grupo de investigación han desarrollado un nuevo marco flexible para mejorar la predicción temprana de sepsis mediante técnicas de inteligencia artificial, estandarizando la gestión y la imputación de datos en series temporales.
El artículo titulado «A flexible framework for sepsis prediction: Standardizing data management and imputation in time series using MIMIC-III», recientemente publicado por nuestro grupo, presenta un enfoque innovador para el preprocesamiento y la imputación de datos clínicos, con el objetivo de facilitar el desarrollo de modelos predictivos más robustos en el ámbito sanitario.
📄 Accede al artículo completo aquí: https://doi.org/10.1016/j.softx.2025.102063
Un benchmark estandarizado para futuras investigaciones en IA y salud
La detección temprana de la sepsis, una condición médica crítica con alta mortalidad, es uno de los grandes retos de la medicina moderna. En este trabajo, se propone un marco estandarizado y reutilizable que facilita el uso de la base de datos MIMIC-III, ampliamente utilizada en investigación biomédica.
El marco está diseñado para optimizar:
-
La gestión eficiente de datos clínicos multivariantes.
-
La imputación coherente de valores faltantes en series temporales.
-
La reproducibilidad y comparabilidad de experimentos en tareas de predicción con machine learning.
Este tipo de aportaciones son esenciales para avanzar hacia soluciones clínicas basadas en datos que sean fiables, transparentes y clínicamente viables.
Autores del estudio
-
Javier Solís García
El artículo contribuye al creciente cuerpo de conocimiento en la intersección entre inteligencia artificial, salud digital y procesamiento avanzado de datos clínicos, sentando bases sólidas para futuras líneas de investigación.