Contacto

Algopromia

Inicio > Proyecto Naveta > Algopromia

Algopromia

El principal propósito de ALGOPROMIA es integrar y validar una metodología basada en técnicas avanzadas de Machine Learning (Fig. 1) para:

  1. Predecir con precisión las puntuaciones de cuestionarios PROMs y PREMs (ALGOPROMIA Puntuación).
  2. Predecir su curso clínico desde el punto de vista de los cuestionarios PROMs y PREMs (ALGOPROMIA Evolución).
  3. Clasifica a los pacientes mediante variables de interés como por ejemplo la adhesión a tratamiento (ALGOPROMIA Clasificación).
Visualización de los tres pilares fundamentales de ALGOPROMIA: 'Puntuación Global', donde se predice la calidad de vida y otros resultados de salud a partir de datos y modelos analíticos; 'Evolución Clínica', que monitorea y predice la trayectoria del paciente utilizando Resultados Reportados por los Pacientes (PRO); y 'Clasificación', que segmenta a los pacientes en subgrupos basados en variables como adhesión al tratamiento, respuesta a la terapia, y otros indicadores relevantes para un manejo de salud personalizado y eficaz.

ALGOPROMIA quiere contribuir a la Atención Sanitaria Basada en Valor proporcionando herramientas analíticas que pueden predecir y, por lo tanto, guiar de manera proactiva las decisiones clínicas basándose en las autopercepciones reportadas por los pacientes. De tal forma que se va un paso más allá de la telemedicina y la recorrida y análisis clínicos de los resultados en salud reportados por los propios pacientes. Aportando valor y extrayendo conocimiento de los datos almacenados.

Estado actual de proyecto

Actualmente desde el comité científico de NAVETA ya se está impulsado este proyecto. ALGOPROMIA se encuentra en una fase temprana de desarrollo de prototipo, con el primer artículo en revisión.

ALGOPROMIA es capaz de predecir con una probabilidad de acierto de entre el 70 y el 80 % algunos de los cuestionarios más usados.

Resultados y Beneficios Esperados

Gestión Asistencial: La implementación de modelos predictivos mejora la calidad de los servicios médicos al anticipar riesgos y ofrecer un diferenciador competitivo. Esto fomenta la confianza y retiene tanto a profesionales como pacientes, optimizando la distribución y uso de recursos hacia intervenciones más eficientes.

Clínica: Las tecnologías avanzadas y modelos predictivos mejoran la calidad de vida del paciente al permitir predicciones precisas y adaptaciones personalizadas de tratamientos. Esto aumentaría la adherencia del paciente a sus tratamientos.

Industria: Los modelos predictivos en la industria favorecen estudios de coste-utilidad y dan claridad sobre la rentabilidad de servicios virtualizados. También facilitan la implementación de innovaciones en proyectos piloto.

Medio ambiente: Usar modelos predictivos puede reducir desplazamientos de pacientes a centros sanitarios, disminuyendo la huella de carbono. Esto apoya los Objetivos de Desarrollo Sostenible 2030, incluyendo salud, bienestar, y acción por el clima.