El sistema público de salud de Chile atiende a la gran mayoría de la población y tiene buen desempeño en varios indicadores sanitarios. Al mismo tiempo, enfrenta importantes desafíos estructurales y operacionales, entre ellos largos tiempos de espera, acceso desigual a atención de especialidad, altas tasas de inasistencia de pacientes, creciente complejidad asistencial, falta de interoperabilidad, y la lenta integración de los avances en Genómica, imágenes biomédicas, Investigación de Operaciones, Inteligencia Artificial y tecnologías de Salud Digital.
Esta línea de investigación busca desarrollar sistemas para el área de la salud basados en datos, interoperables y que incorporan Inteligencia Artificial (AI-enabled), a través del modelamiento matemático, la ciencia de datos biomédicos, la informática médica y la Inteligencia Artificial centrada en el ser humano. El foco está en desarrollar soluciones de Salud Digital escalables que mejoren la prestación de servicios de salud, la toma de decisiones clínicas, la asignación de recursos y la planificación en salud pública, tanto en Chile como en otros contextos.
Las actividades de investigación abarcan múltiples niveles del ecosistema de salud, desde los procesos hospitalarios y la preparación ante epidemias hasta la medicina de precisión, las imágenes biomédicas y el diagnóstico computacional. Se pone especial énfasis en cerrar la brecha entre la innovación metodológica y la implementación en el mundo real, asegurando que los métodos analíticos y computacionales avanzados puedan integrarse efectivamente en las infraestructuras y flujos de trabajo de los sistemas de salud.
El grupo desarrolla métodos y tecnologías basados en Investigación de Operaciones, Aprendizaje de Máquinas, IA, modelamiento matemático, biología computacional y análisis de imágenes biomédicas, abordando a la vez desafíos relacionados con la interoperabilidad, la calidad de los datos, la interpretabilidad, la privacidad, uso ético de la IA y el uso responsable de información sensible de salud.
A través de la colaboración interdisciplinaria con hospitales, instituciones de salud pública y privada, socios académicos y tecnológicos, y personal de la salud, esta línea de investigación busca contribuir a la transformación digital de los sistemas de salud y al desarrollo de la medicina de precisión, preventiva y personalizada.
Dentro de esta línea, se desarrollan las siguientes áreas de investigación:
Gestión en salud
Esta área se enfoca en mejorar el acceso y la prestación de servicios de salud dentro del sistema público, mediante una estrecha colaboración con actores clave.
El trabajo actual incluye la optimización de la programación de pabellones quirúrgicos y los flujos de trabajo clínicos a través de herramientas de software basadas en investigación de operaciones, Inteligencia Artificial y sistemas de apoyo a la decisión. Otros esfuerzos apuntan a reducir las tasas de inasistencia de pacientes mediante modelos predictivos aplicados a distintas especialidades médicas, procedimientos y servicios de telemedicina. Ambos contribuyen a la reducción de listas de espera.
Además, el equipo desarrolla modelos predictivos basados en Grupos Relacionados por el Diagnóstico (GRD) y datos de admisión para identificar pacientes en riesgo de estadías hospitalarias prolongadas, lo que permite intervenciones más tempranas y una asignación más eficiente de los recursos.
Epidemiología matemática
Esta área se enfoca en análisis, gestión y desarrollo de modelos epidemiológicos para apoyar las decisiones de política pública durante brotes y emergencias de salud en la población.
Nuestros modelos incorporan factores sanitarios, sociales, demográficos y ambientales para apoyar el análisis de escenarios de corto y mediano plazo en epidemias, tomando como referencia la reciente pandemia de COVID-19. El trabajo futuro apunta a incorporar componentes espaciales y a abordar enfermedades emergentes como el sarampión.
El grupo también se enfoca en el desarrollo de sistemas predictivos que combinan modelos de tipo compartimental con datos históricos de hospitalización, permitiendo anticipar los peaks estacionales de enfermedades respiratorias pediátricas, con potencial de extensión a poblaciones no pediátricas. Además, se incluyen estudios que involucran cambios estructurales recientes, como en la dinámica de hospitalización tras la introducción de la inmunización con Nirsevimab contra el Virus Respiratorio Sincicial en Chile y el impacto derivado de esta intervención.
Genómica de la salud humana
Esta área de investigación se enfoca en el avance de la medicina de precisión mediante la integración de datos, modelamiento e Inteligencia Artificial para comprender mejor las enfermedades en humanos. Aborda preguntas clave sobre cómo la ascendencia y la variación biológica determinan el riesgo y los resultados de enfermedades, y cómo los datos biomédicos complejos pueden traducirse en conocimiento accionable. Un componente central es el estudio de los cánceres prevalentes en Chile (incluyendo vesícula biliar, colorrectal y mama), con el objetivo de mejorar la detección temprana, el pronóstico y las decisiones de tratamiento mediante la integración de información molecular, clínica y de imágenes.
Asimismo, el área desarrolla herramientas basadas en datos que apoyan la toma de decisiones clínicas, incluyendo modelos predictivos basados en imágenes médicas y datos genómicos, así como enfoques para la estratificación de pacientes y la evaluación de riesgo. También pone un fuerte énfasis en la genómica poblacional, contribuyendo a una mejor representación de las poblaciones latinoamericanas en la investigación genómica global. En conjunto, la genómica de la salud humana aporta tanto nuevo conocimiento biomédico como nuevas herramientas matemáticas y computacionales para comprender las enfermedades, abordando al mismo tiempo las inequidades existentes en el acceso a la medicina genómica.
Biomedicina
En biomedicina, esta área desarrolla métodos computacionales y basados en IA para el análisis de datos biomédicos e imágenes, patología digital y datos clínicos multimodales. La investigación se centra en el desarrollo de sistemas de IA interpretables y centrados en el ser humano para el diagnóstico médico, la predicción pronóstica, la patología computacional, el análisis de imágenes histológicas y la investigación biomédica traslacional. El trabajo actual incluye el análisis asistido por IA de datos de imágenes histológicas y médicas para identificar biomarcadores clínicamente relevantes, predecir desenlaces de sobrevida, inferir alteraciones genómicas y apoyar enfoques de medicina de precisión.
Informática médica y sistemas de Salud Digital
Esta área se enfoca en el diseño, la integración y la evaluación de infraestructuras de Salud Digital, sistemas clínicos interoperables y ecosistemas de salud basados en datos. La investigación incluye informática clínica, estándares y terminologías de interoperabilidad, integración de datos, sistemas digitales centrados en el ser humano y estrategias de implementación de tecnologías que incorporan Inteligencia Artificial (AI-enabled). El grupo colabora estrechamente con actores académicos, clínicos y del sector público para facilitar la adopción responsable de innovaciones en Salud Digital en entornos reales.