COMPUTAEX ha presentado dos comunicaciones científicas en las IV Jornadas Andaluzas de Bioinformática (JABI 2026), celebradas del 27 al 29 de abril en el Rectorado de la Universidad de Córdoba (UCO). Este encuentro ha reunido a investigadores y especialistas del ámbito de la bioinformática con el propósito de fomentar la colaboración científica y tecnológica entre grupos de investigación. Ambas contribuciones fueron expuestas en la sesión “Inteligencia Artificial y Ciencia de Datos”, centrada en el potencial de las técnicas de aprendizaje automático para optimizar el diagnóstico y la predicción clínica en pacientes con insuficiencia cardiaca.
El primer trabajo, presentado por Dña. Alicia Paredes-Calderón, bajo el título “Identificación de fenotipos en insuficiencia cardiaca mediante aprendizaje automático y metabolómica por espectroscopía de RMN”, analiza una cohorte de 207 pacientes mayores de 65 años ingresados por insuficiencia cardiaca aguda descompensada en el Hospital Don Benito-Villanueva. Mediante técnicas de aprendizaje automático no supervisado basadas en clustering espectral y análisis metabolómico, el equipo investigador ha identificado cinco subgrupos clínicamente diferenciados, caracterizados por perfiles metabólicos específicos. Los resultados obtenidos evidencian que la integración de modelos de aprendizaje automático no supervisado con datos clínicos y metabolómicos permite mejorar la estratificación de pacientes, favoreciendo el avance hacia estrategias de medicina personalizada.
En la segunda comunicación, “Predicción del reingreso hospitalario a 30 días en pacientes con insuficiencia cardiaca mediante machine learning”, presentada por D. Jorge Maese-Calvo, se evalúan distintos modelos de inteligencia artificial para predecir el riesgo de reingreso hospitalario. El estudio analiza datos de 4.293 pacientes procedentes de los hospitales de Don Benito-Villanueva y Talarrubias, mediante técnicas de aprendizaje automático y validación estadística. Los resultados muestran que el modelo Random Forest alcanza el mejor rendimiento predictivo, permitiendo además identificar variables clínicas relevantes para la estratificación del riesgo en pacientes con insuficiencia cardiaca.
Ambas comunicaciones han sido desarrolladas por un equipo interdisciplinar integrado por D.ª Alicia Paredes-Calderón, D. Jorge Maese-Calvo, Dr. Javier Corral-García y Dr. Juan Antonio Rico-Gallego, de COMPUTAEX, en colaboración con D. Daniel Fernández-Bergés, Dr. José Carlos Arévalo-Lorido y D.ª Nadia Mayoral-Testón, del grupo de investigación GRIMEX, la Unidad de Investigación del Área de Salud Don Benito-Villanueva de la Serena y del Hospital Universitario de Badajoz. Los trabajos se han desarrollado en el marco del Plan Complementario de Biotecnología Aplicada a la Salud, cofinanciado por el Ministerio de Ciencia, Innovación y Universidades y la Consejería de Educación, Ciencia y Formación Profesional de la Regional Government of Extremadura.
