Este día se llevó a cabo el seminario Retos de la modelización y predicción de datos biomédicos, como parte del ciclo de seminarios de matemática que realiza la Escuela de Matemática UES en el área de Estadística.
La ponencia fue impartida por la Dra. Aida Calviño, de la Universidad Complutense de Madrid, quien abordó los desafíos que plantea el análisis de datos biomédicos en la era de las tecnologías ómicas, como la genómica, transcriptómica y microbiómica, así como la integración de datos no-ómicos provenientes de registros hospitalarios.
Durante su intervención, la Dra. Calviño explicó que los métodos estadísticos tradicionales suelen ser insuficientes ante la complejidad de estos datos de alta dimensión. En este contexto, el machine learning se presenta como una herramienta clave para transformar dicha información en conocimiento útil para la toma de decisiones médicas. A través de ejemplos aplicados en enfermedades complejas como el cáncer y el rechazo de trasplantes, se exploraron enfoques para construir modelos que no solo ofrezcan predicciones precisas, sino que también sean interpretables y clínicamente relevantes.
