La UPC participa en la nueva ‘spin-off’ Amalfi Analytics, centrada en el uso del ‘big data’ para la gestión sanitaria
Amalfi Analytics S.L. es una nueva ‘spin-off’ de la UPC que surge de la tecnología y el conocimiento desarrollados en el Laboratorio de Algoritmia Relacional, Complexidad y Aprendizaje (LARCA) de la UPC. La empresa se centra en el desarrollo de herramientas de software para el análisis avanzado de datos en la gestión sanitaria y, en particular, de la enfermedad crónica y compleja.
01/06/2017
La Universitat Politècnica de Catalunya (UPC) entra a formar parte de la nueva spin-off Amalfi Analytics S.L., en la que participa Ricard Gavaldà, profesor del Departamento de Ciencias de la Computación de la UPC, y que desarrolla herramientas de software para el análisis avanzado de datos (big data y machine learning) en la gestión sanitaria y, en particular, en la gestión de la enfermedad crónica y compleja. La empresa parte del concepto que la sostenibilidad del sistema sanitario y la mejora de la atención al paciente pasa por hacer un uso inteligente de los volúmenes de datos que se almacenan y que actualmente no son del todo aprovechados. La utilización de esta información aporta a los gestores del ámbito sanitario eficiencia en la toma de decisiones.
El envejecimiento de la población europea y la creciente prevalencia de enfermedades crónicas y complejas son un gran reto para los sistemas sanitarios. La utilización intensiva de los datos que los gestores utilizan en su trabajo diario tiene un gran potencial para racionalizar el gasto del sistema y, a la vez, mejorar el servicio al paciente. Encontrar patrones de asociación de enfermedades puede ayudar a identificar la población potencialmente en riesgo. Con las herramientas estadísticas tradicionales, detectar aquellas enfermedades antes de que se manifiesten no suele ser fácil. Así, las técnicas de análisis de datos aplicadas a historias clínicas pueden ayudar a pronosticar el uso de recursos y sugerir acciones preventivas; en definitiva, abren la puerta a mejorar la gestión sanitaria.
Las primeras aplicaciones del sistema se han hecho en la predicción de reingresos hospitalarios y la identificación de perfiles de enfermedades complejas, con el objetivo de racionalizar los patrones de polimedicación. Los usuarios potenciales son entidades sanitarias (hospitales y agencias de salud estatales, regionales y locales), con el foco principal en el sector público, pero sin excluir el privado.
La spin-off nace a partir de la investigación que se ha llevado a cabo en el LARCA, un grupo de investigación de la UPC vinculado al Departamento de Ciencias de la Computación que trabaja en temas de aprendizaje y minería de datos, análisis de datos y lingüística matemática.
Más información:
El envejecimiento de la población europea y la creciente prevalencia de enfermedades crónicas y complejas son un gran reto para los sistemas sanitarios. La utilización intensiva de los datos que los gestores utilizan en su trabajo diario tiene un gran potencial para racionalizar el gasto del sistema y, a la vez, mejorar el servicio al paciente. Encontrar patrones de asociación de enfermedades puede ayudar a identificar la población potencialmente en riesgo. Con las herramientas estadísticas tradicionales, detectar aquellas enfermedades antes de que se manifiesten no suele ser fácil. Así, las técnicas de análisis de datos aplicadas a historias clínicas pueden ayudar a pronosticar el uso de recursos y sugerir acciones preventivas; en definitiva, abren la puerta a mejorar la gestión sanitaria.
Las primeras aplicaciones del sistema se han hecho en la predicción de reingresos hospitalarios y la identificación de perfiles de enfermedades complejas, con el objetivo de racionalizar los patrones de polimedicación. Los usuarios potenciales son entidades sanitarias (hospitales y agencias de salud estatales, regionales y locales), con el foco principal en el sector público, pero sin excluir el privado.
La spin-off nace a partir de la investigación que se ha llevado a cabo en el LARCA, un grupo de investigación de la UPC vinculado al Departamento de Ciencias de la Computación que trabaja en temas de aprendizaje y minería de datos, análisis de datos y lingüística matemática.
Más información: