Título: Ablación de la fibrilación cardiaca humana basada en modelos de organización jerárquica de la
excitación tisular.
Código Identificativo: PI23/00520
Investigador Principal: David Calvo Cuervo
Importe de la ayuda: 227.500,00€
Duración: 3 años
Objetivos:
Los mecanismos que mantienen la fibrilación auricular (FA) persistente permanecen desconocidos. En el proyecto PI18/01268 financiado en convocatoria AES 2018, el IP ha demostrado que la organización jerárquica de (i) los dominios rotacionales, (ii) de los dominios de frecuencia y (iii) de las respuestas fisiológicas a la provocación farmacológica con adenosina, permiten la identificación de dominios de actividad reentrante de alta frecuencia (en adelante “DFASI domains”) (sometido a evaluación para patente; Application number 63/422,563), cuyo abordaje mediante ablación parece mejorar los resultados clínicos (“Annual Scientific Sessions of the American Heart Association 2022”; Bajo revisión editorial; Ver anexo-figura). Igualmente, y atendiendo a los objetivos del proyecto PI18/01268, hemos identificado patrones de organización jerárquica en la fibrilación ventricular (FV) humana (Europace 2022;24[11]:1788-1799). En el presente proyecto de investigación planteamos desvelar los mecanismos fisiológicos por los cuales la ablación de los “DFASI domains” modifica la dinámica de la FA y evita su sostenibilidad (Objetivo 1), lo cual permitirá el desarrollo de una estrategia de ablación más eficiente (Objetivo 2). Igualmente, modelos preclínicos desarrollados por nuestro grupo en colaboración con el Centro Nacional de Investigaciones Cardiovasculares (datos preliminares del presente proyecto) soportan la traslación al ámbito de la FV humana de nuestros desarrollos tecnológicos. Por ello, proponemos explorar la significación fisiológica de los “DFASI domains” en pacientes con FV recurrente y el eventual
desarrollo de terapias ablativas eficientes (Objetivo 3). Alineado así con los fundamentos de la Acción Estratégica en Salud, el proyecto atiende a los retos que supone el diagnóstico y el tratamiento de las enfermedades cardiovasculares dentro del Sistema Nacional de Salud.
Título: Hacia una intervención estratificada en psiquiatría: Predicción de trayectorias de riesgo y resiliencia para la salud mental en una muestra transdiagnóstica de jóvenes (proyecto PREMY)
Código Identificativo: PI23/00211
Investigador Principal: David Fraguas Herráez
Importe de la ayuda: 153.750,00€
Duración: 3 años
Objetivos:
Antecedentes: Existe una crisis mundial en la salud mental de los jóvenes que ha sido exacerbada por la pandemia por COVID-19. El desarrollo de estrategias efectivas de prevención e intervención precoz durante las fases iniciales de la enfermedad mental requiere abordajes transdiagnósticos y multidimensionales. Objetivo: El proyecto PREMY (“Predicting Risk and REsilience trajectories for Mental health in Young people”) pretende desarrollar un modelo de riesgo transdiagnóstico que permita predecir la trayectoria más probable de un joven que busca ayuda e identificar dianas accionables para aplicar intervenciones preventivas y terapéuticas estratificadas que permitan modificar el pronóstico. Métodos: Utilizaremos técnicas de inteligencia artificial para desarrollar un modelo inicial basado en datos clínicos de la cohorte JOVEN. En paralelo, reclutaremos una cohorte transdiagnóstica de 750 personas de entre 12 y 24 años que contactan con los servicios de salud mental por primera vez (cohorte PREMY) y recopilaremos datos biológicos, clínicos, cognitivos y ambientales durante el transcurso de un año. Una submuestra (n=150) de participantes participará en una entrevista semiestructurada para recopilar datos de experiencia vivida. El modelo predictivo se refinará utilizando los datos biológicos, clínicos, cognitivos, ambientales y en primera persona de la cohorte PREMY.
Título: Efectos del entrenamiento de la musculatura respiratoria domiciliario mediante telerrehabilitación
sobre la calidad de vida, función cardiopulmonar, y el estado físico y psicológico en cardiopatía isquémica
Código Identificativo: PI23/00816
Investigador Principal: Ibai Julio López de Uralde Villanueva
Co-Investigador Principal: Gustavo Plaza Manzano
Importe de la ayuda: 43.750,00€
Duración: 3 años
Objetivos:
El objetivo principal es verificar si el entrenamiento de la musculatura respiratoria (EMI+EME; incluye tanto musculatura inspiratoria como espiratoria), aplicado mediante telerrehabilitación, es una intervención eficaz (frente al placebo), así como más efectiva que el entrenamiento únicamente de la musculatura inspiratoria (EMI) para mejorar la calidad de vida, función cardiopulmonar y física, y el estado psicológico en personas con enfermedades isquémicas del corazón. Además, se pretende determinar si el entrenamiento respiratorio (EMI o EMI+EME) resulta eficaz para potenciar los resultados obtenidos por un programa convencional de rehabilitación cardiaca sobre las variables anteriormente mencionadas. Para ello, se realizará un ensayo clínico aleatorizado a triple ciego (evaluadores, terapeutas y pacientes) con 4 grupos paralelos: 1) EMI; 2) EMI placebo; 3) EMI+EME; y 4) EMI+EME placebo. Independientemente del grupo asignado, todos los participantes realizarán un entrenamiento de la musculatura respiratoria de 8 semanas, 5 días/semana, 2 sesiones/día (mañana y tarde), programado y supervisado por cardiólogos, médicos rehabilitadores y fisioterapeutas. Las sesiones matinales serán realizadas sin supervisión, registrándose toda la información en un diario de entrenamiento. Las sesionesvespertinas serán grupales y supervisadas, realizándose mediante una plataforma virtual 4 días/semana, y la quinta sesión será presencial en las instalaciones de la Universidad. Los pacientes serán evaluados en 3 ocasiones: 1) Pre-intervención, 2) Post-intervención; y 3) Post-rehabilitación cardiaca convencional (seguimiento). En cada valoración se registrará la calidad de vida (EQ-5D-5L), función cardiopulmonar (ergoespirometría) y física (fuerza y fatiga), y la ansiedad/depresión.
Título: Más allá de la genética en esclerosis múltiple: avances en la terapia y estratificación de pacientes
Código Identificativo: PI23/00749
Investigadora Principal: Elena Urcelay García
Importe de la ayuda: 177.500,00€
Duración: 3 años
Objetivos:
Objetivos: aprovechando “datos abiertos”, nos proponemos elucidar mecanismos patogénicos de loci genómicos asociados al riesgo (GWAS) a esclerosis múltiple (EM), (mediante caracterización de las consecuencias funcionales asociadas a variantes relevantes en los genes causales predichos) y reconocer su potencial para facilitar la medicina personalizada y desarrollar nuevas terapias. Específicamente: 1) Caracterizar los mecanismos subyacentes a los eQTLs priorizados previamente por estudios de célula única colocalizados con variantes de riesgo y delinear el papel de los genes sugeridos en la susceptibilidad a EM mediante su caracterización funcional en células sanguíneas. 2) Describir la función de los genes asociados al riesgo a EM anticipados por el solapamiento de las variantes GWAS con los sitios de unión de EBNA2 predichos estadísticamente in silico. 3) Divulgar los resultados dal ciudadano y a la comunidad científica con ayuda de la asociación de pacientes EME y facilitar su traslación con colaboración de la industria farmacéutica.
Métodos: según el gen a estudiar, la caracterización funcional en linfocitos de los cambios asociados a variantes entre pacientes y controles sanos implicará los siguientes enfoques experimentales: expresión de ARNm y proteínas (RT-PCR y Western), cuantificación de citoquinas séricas (Olink Signature q100), función mitocondrial (Seahorse Xfp), inmunofenotipado por citometría de flujo, etc.
Título: Desarrollo y validación de modelos de predicción de aprendizaje automático para resultados de salud en uveítis: un proyecto multicéntrico que usa el texto libre de historias clínicas electrónicas mediante métodos de aprendizaje profundo
Código Identificativo: PI23/00154
Investigador Principal: Luis Rodríguez Rodríguez
Importe de la ayuda: 177.500,00€
Duración: 3 años
Objetivos:
Las uveítis son enfermedades raras, heterogéneas y que amenazan la vista. Hay una falta de información procesable para la toma de decisiones en estas enfermedades, por ejemplo, en relación a su pronóstico.
El objetivo de esta propuesta es desarrollar una plataforma de Inteligencia Artificial que nos permita identificar con precisión en pacientes con uveítis aquellos con peor pronóstico. Para lograr este objetivo, obtendremos y anotaremos las entidades más relevantes en documentos clínicos de pacientes con uveítis de 11 centros; generaremos modelos de aprendizaje profundo para realizar el reconocimiento de entidades (NER); estructuraremos los datos de los centros participantes utilizando estos modelos NER; normalizaremos las entidades anotadas; y desarrollaremos y validaremos modelos de predicción para resultados de salud de interés, a través de un esquema federado.
La metodología se compone de dos fases fundamentales: Obtención de modelos que expliquen la evolución de la enfermedad. Aplicaremos modelos de DL con el fin de extraer las
entidades de interés. Esto nos permitirá estructurar las notas clínicas de los pacientes, y formar una base de datos en la que se depositen los datos de pacientes de los distintos grupos a analizar. Finalmente aplicaremos técnicas de machine learning para la obtención de modelos que ayuden a encontrar los factores involucrados en el pronóstico de la enfermedad.
Título: Integración de información clínica (Registro NEREA) y biomarcadores: pronóstico y respuesta al
tratamiento de pacientes con enfermedad pulmonar intersticial difusa de origen autoinmune
Código Identificativo: PI23/00343
Investigadora Principal: Lydia Abásolo Alcazar
Importe de la ayuda: 127.500,00€
Duración: 3 años
Objetivos:
Objetivos: Identificar factores sociodemográficos, clínicos, funcionales, morfológicos, bioquímicos y/o transcriptómicos que predicen la evolución de todas y cada una de estas entidades. 1) Estudiar en cada una de las enfermedades pulmonar intersticial (EPID) de origen autoinmune el curso clínico y
el manejo terapéutico a lo largo del tiempo. 2) Determinar biomarcadores séricos y su papel en la evolución de las EPID de origen autoinmune. 3) Desarrollar modelos predictivos utilizando información clínica y los biomarcadores seleccionados, para identificación precoz de aquellos individuos con
mayor riesgo de peor curso evolutivo a 12 meses.
Metodología: Estudio prospectivo observacional multicéntrico (8 hospitales de Madrid). Sujetos:
EPID realizado de forma multidisciplinar, que además tengan un diagnóstico de: enfermedad reumática autoinmune o neumonitis intersticial con hallazgos autoinmunes o con alguna característica autoinmune sin cumplir criterios diagnósticos. Variables principales: 1) mal pronóstico: 1.a) deterioro de la función respiratoria (reducción en FVC% >10% o cambios en FVC%-DLCO% a 1 año); 1.b) mortalidad; 1.c) manejo terapéutico (supervivencia de inmunomoduladores o antifibróticos); y 2) repuesta terapéutica (estabilización o reducción de FVC%<10% en un año). Variables independientes: sociodemográficas, clínicas, morfológicas, funcionales, tratamientos, y bioquímicas incluyendo biomarcadores séricos. Fuente de datos: “Registro NEREA-web” (NEumología REumatología Autoinmunes) y “Colección de muestras bilógicas NEREA”. Análisis estadístico: técnicas de supervivencia para estimar deterioro funcional del pulmón, la mortalidad y la supervivencia de fármacos. La asociación con niveles de biomarcadores y
deterioro de la función respiratoria se realizará mediante t de Student o la U de Mann-Whitney. La correlación entre los niveles de los biomarcadores y los cambios anuales de CVF%-DLCO% se llevará a cabo mediante el test de Pearson. Las curvas ROC compararán sensibilidad y especificidad de los marcadores séricos en pronóstico. El valor de corte de los marcadores séricos se determinará mediante el índice de Yoden. Los factores predictores a la mala evolución y de respuesta terapéutica serán analizados por modelos multivariados de regresión de Cox y logística.
Título: SURVIVE 2: Un estudio de cohorte extendida para investigar la conducta suicida en España y la eficacia de estrategias de prevención secundaria
Código Identificativo: PI23/00707
Investigadora Principal: Marina Díaz Marsá
Importe de la ayuda: 166.250,00€
Duración: 3 años
Objetivos:
Introducción: El suicidio es la principal causa de muerte evitable. Contar con datos en relación a la incidencia de la conducta suicida en trastornos impulsivos y la eficacia de programas de prevención secundaria es esencial para diseñar políticas públicas basadas en la evidencia. Objetivo: El objetivo principal de nuestro estudio (subproyecto 1), es identificar fenotipos clínicos y endofenotipos de la desregulación emocional con la conducta suicida, con el fin de establecer estrategias preventivas y de tratamiento para reducir el suicidio en la población. Además, investigar algunas dimensiones consistentemente asociadas con la desregulación emocional tales como el trauma, la cognición social, la impulsividad (rasgo), síntomas propios de los trastornos impulsivos, factores psicológicos y clínicos y rasgos de personalidad en relación con la conducta suicida. Metodología: Estudio multicéntrico-coordinado de cohorte, recogidos en 9 centros. En nuestro centro, se incluirán 150 adultos y 30 menores con un intento de suicidio que hayan acudido al servicio de urgencias y 50 controles. Se estudiarán los fenotipos y endofenotipos asociados a la disregulación emocional, a la cognición social y al trauma y su relación con variables clínicas ( conducta suicida, gravedad, apego, desesperanza, impulsividad) y de personalidad. Como endofenotipos asociados a la disregulación emocional y a los déficits en la cognición social se medirán los receptores y los niveles de cortisol plasmático, los receptores de oxitocina y los niveles plasmáticos de oxitocina y los metabolitos de la vía del triptófano que incluyen las kinurenina, ácido kinurénico, ácido quinolínico, la enzima convertidora IDO, serotonina, así como parámetros de la vía inflamatorios que podrán estar asociados a la conducta suicida.
Título: Desarrollo y evaluación de un algoritmo de detección de glaucoma a partir de un abordaje multimodal en pacientes con miopía magna
Código Identificativo: PI23/00828
Investigador Principal: José María Martínez de la Casa Fernández-Borrella
Importe de la ayuda: 83.750,00€
Duración: 3 años
Objetivos:
Objetivo principal: desarrollar y validar un algoritmo basado en inteligencia artificial que permita discriminar entre pacientes con y sin glaucoma a partir de un abordaje multimodal basado en retinografias y tomografías de coherencia optica en pacientes con miopía magna. Se presenta un equipo multicéntrico en el que participan 16 oftalmólogos y 5 ingenieros / analistas de datos pertenecientes a 7 centros asistenciales con un elevado volumen asistencial que aseguran la capacidad de reclutamiento
de los pacientes requeridos. La originalidad del presente proyecto radica en que hasta el momento no hay un algoritmo de este tipo desarrollado en una población de miopes magnos (los cuales presentan una prevalencia de glaucoma superior al 30%) en los que incluso examinadores expertos tienen problemas para diagnósticar la enfermedad. Zeiss Meditec Iberia ha mostrado su interés en el proyecto a través de la DIE que se adjunta al proyecto. El objetivo final será transferir el resultado del
proyecto a la industria desarrollando una aplicación / software que pueda implementarse en los retinógrafos / OCTs para estimar la probabilidad de padecer glaucoma.
Objetivo secundario: demostrar que el algoritmo es útil en poblaciones externas a las utilizadas para el desarrollo y la validación. Se incluirán pacientes con miopía magna definida como un equivalente esférico (SE) de -6 dioptrías (D) o mayor, o una longitud axial (AL) de 26.0 mm o mayor. Los pacientes se reclutarán tanto de forma prospectiva como de forma retrospectiva a partir de las bases de datos presentes en los centros participantes. Ya se han reclutado en torno a 1000 pacientes. Los pacientes se dividirán en dos grupos en función de si presentan o no signos de glaucoma. Los pacientes con dudas diagnósticas no se incluirán en el estudio para evitar sesgos. Se utilizarán redes neuronales onvolucionales con arquitectura análoga a la VGG (reconocimiento visual de imágenes) y con procedimientos de aprendizaje supervisado para que aprendan a diagnosticar el glaucoma a partir de las retinografías y OCTs La segunda fase, destinada a mejorar el rendimiento diagnóstico, consistirá
en utilizar las técnicas de aprendizaje semi-supervisado. La tercera fase consistirá en recurrir a las técnicas de transferencia de aprendizaje con el fin de aprovechar el aprendizaje realizado por otras redes neuronales en otros contextos. Por ultimo se utilizará la información extraída por las redes neuronales convolucionales en sus últimas capas y se combinará con variables cuya asociación con el glaucoma ya es conocida para, conjuntamente, entrenar algoritmos de naturaleza diferente.
Proyectos cofinanciados por la Unión Europea
