Reto 1: Salud, Cambio Demográfico y Bienestar

La modelización de la interacción entre los fármacos y los receptores celulares permite realizar la selección virtual de miles de candidatos a fármacos; como resultado, las empresas farmacéuticas pueden reducir el número de ensayos enzimáticos costosos y los tiempos de comercialización de nuevos medicamentos.

Las herramientas MSO-ED también juegan un papel esencial en el diagnóstico eficiente y preciso del cáncer o las enfermedades virales, así como el desarrollo de la radioterapia personalizada o de tecnologías médicas como la terapia artificial caderas o rodillas, y stents. Además, la propagación de epidemias (como la actual enfermedad del Coronavirus) puede ser estudiada mediante modelos matemáticos para ayudar a una toma de decisiones sanitarias y económicas más eficiente.

Por otra parte, los retos a los que se enfrentan los hospitales o las empresas farmacéuticas dentro de la Industria 4.0 y 5.0 muestran un nivel de complejidad sin precedentes, por lo que requieren enfoques holísticos y procesos de solución basados en algoritmos optimizados. Los responsables de la toma de decisiones necesitan herramientas avanzadas que permitan el análisis de riesgos a largo plazo, procesos limpios y mejoras en los prototipos, junto con un conjunto apropiado de métodos de optimización y control. Las tecnologías clave de esos procesos suelen ser muy complejas y requieren el apoyo de expertos muy cualificados, que a menudo no están disponibles en empresas pequeñas y medianas. Además, los proveedores de las competencias necesarias están repartidos en diferentes áreas de especialización en universidades, instituciones de investigación y tecnológicas. Estas características requieren la colaboración e integración de diferentes proveedores avanzados y otros actores de la innovación en diferentes sectores y regiones. Este rol integrador es uno de los objetivos propuestos para la plataforma PET MSO-ED.

  • Capacidades de las Tecnologías MSO-ED en el ámbito del Reto 1
    • Visualización, procesamiento y análisis de imágenes médicas. Caracterización de falsos positivos. Modelos de aprendizaje utilizando grandes bases de datos (machine/deep learning).
    • Caracterización de residuos médicos. Algoritmos de clasificación de muestras biológicas.
    • Evolución de tasas demográficas. Proyecciones de población, y generación de árboles de escenarios en un horizonte temporal.
    • Caracterización de hábitos en la población. Simulación del flujo de usuarios por servicios.
    • Optimización de la planificación de la localización de centros sanitarios primarios en entornos inciertos de la evolución de tasas demográficas a lo largo de un horizonte temporal.
    • Optimización de la planificación de la adquisición de material sanitario en entornos inciertos de la evolución de tasas demográficas y tipos e intensidad de enfermedades y epidemias a lo largo de un horizonte temporal.
    • Optimización de tipos de flotas de ambulancias: Dimensionamiento y localización en un entorno incierto de demanda de servicio.
    • Optimización de la distribución de recursos sanitarios tanto humanos como materiales en situaciones de emergencia.
  • Historias de éxito ya implementadas en el ámbito del Reto 1

Contact us

Tell us about your projects or needs and we will look for ways to collaborate.

Free consultation
(+34) 881 813 223