Cátedra Universitaria “Reference Laboratory en soluciones clínicas para el diagnóstico avanzado basado en biomarcadores por RMN”

• Desarrollar proyectos de investigación en biomarcadores y modelizaciones de Machine-Learning e Inteligencia Artificial (IA) para diagnóstico clínico.
• Impulsar la colaboración entre la Universidad de Almería, el Hospital Universitario Torrecárdenas y la empresa Reference Laboratory.
• Desarrollar y validar Sistemas de Apoyo a la Decisión Clínica (CDSS) para su implementación en entornos de biomedicina.
• Apoyar la formación de estudiantes e investigadores mediante contratos y estancias de investigación en centros de reconocido prestigio en las líneas de metabolómica biomédica, utilizando la RMN como plataforma analítica.
• Favorecer la divulgación científica y la publicación de estudios relevantes.

La Cátedra se centrará en actividades de investigación, transferencia del conocimiento, formación y divulgación en el ámbito biosanitario. Las principales líneas de investigación incluyen:

• Desarrollo de biomarcadores clínicos mediante espectroscopia de Resonancia Magnética Nuclear (RMN) y modelos de Machine-Learning e Inteligencia Artificial (IA) para diagnóstico, pronóstico, tratamiento y seguimiento de pacientes.
• Validación de biomarcadores en entornos hospitalarios y desarrollo de Sistemas de Apoyo a la Decisión Clínica (CDSS) específicos.
• Estudios metabolómicos por RMN en biofluidos y tejidos para la evaluación de compuestos bioquímicos/metabolitos en diversas patologías.
• Investigación en patologías de alta prevalencia y relevancia mundial, incluyendo varios tipos de cáncer (mama, pulmón, colon, próstata, cérvix, gliomas, meningiomas), enfermedades cardiovasculares, diabetes, COVID-19, preeclampsia, ictus, enfermedad de Fabry, enfermedad renal crónica, VIH y hepatitis virales.
• Relación entre la microbiota (oral e intestinal) y el estado de salud/patológico, integrando enfoques multiómicos como la metagenómica.
• Desarrollo de modelos estadísticos (multivariantes y machine-learning) para combinar perfiles metabolómicos con datos demográficos, clínicos, bioquímicos y de imagen, con el fin de crear CDSS y kits de diagnóstico/pronóstico.
• Optimización de la interpretación de datos de laboratorio mediante modelos de IA para la toma de decisiones médicas basadas en evidencia.
• Utilización de una infraestructura singular basada en equipos de RMN de 600 y 700 MHz, dotados de criosonda de alta sensibilidad, muestreadores termostatizados automáticos, y robot de preparación de muestras para estudios de biomarcadores de precisión.