Caso 2: Compartición de datos sintéticos mediante IA En el ámbito de la salud, compartir información es clave para avanzar en la investigación y en el desarrollo de nuevas herramientas médicas, pero hacerlo sin comprometer la privacidad de los pacientes supone todo un reto.Los datos sintéticos, generados de forma artificial mediante inteligencia artificial para imitar los datos reales, ofrecen una solución innovadora. Este enfoque permite a investigadores y profesionales de la salud trabajar con información que reproduce las características de los datos clínicos reales, pero sin revelar información personal ni sensible.En este caso de uso se desarrollan herramientas y métodos para crear datos sintéticos a partir de historiales médicos y biomarcadores, lo que facilita probar algoritmos de IA, realizar análisis y simular ensayos clínicos de manera segura y ética. Gracias a ello, se impulsa la colaboración entre instituciones, se reducen costes y tiempos de desarrollo, y se acelera el progreso científico respetando la privacidad de los pacientes. Nuestros objetivos Analizar, compartir e integrar datos entre las diferentes entidades que los aportan: HUVH, VHIR y VHIO, cumpliendo con el gobierno de datos definido. Modelar y armonizar los datos según el modelo de datos común OMOP. Generar datos sintéticos manteniendo el modelo de datos común OMOP, promoviendo la posibilidad de añadir otras fuentes de datos que compartan el mismo modelo de manera fácil y escalable. Garantizar la calidad de los datos generados para que puedan ser compartidos en el espacio de datos. Publicarlas en el catálogo del componente del espacio de datos para que los posibles consumidores puedan explorarlas y utilizarlas. Consumidores de datos Investigadores y profesionales de la salud: profesionales del Campus Vall d’Hebron o de organizaciones externas que llevan a cabo estudios o proyectos de innovación sin necesidad de acceder a datos sensibles de pacientes. Industria farmacéutica y agencias reguladoras: empresas que utilizan datos sintéticos de alta calidad derivados de un entorno hospitalario real, que pueden emplearse en pruebas de ensayos clínicos no aleatorizados con fármacos prometedores, especialmente en un contexto de medicina de precisión (selección de tratamientos basada en biomarcadores y datos genéticos). Empresas y desarrolladores: empresas o desarrolladores que desean validar sus sistemas de información o dispositivos médicos y entrenar modelos de IA/ML sin comprometer los datos de los pacientes. Autoridades sanitarias: gestores que utilizan los datos para tomar decisiones, modelar políticas o realizar simulaciones de escenarios, como el impacto de la aprobación de una nueva tecnología diagnóstica o terapéutica. Caso 1: Resultados en Salud y Espacio Europeo de Datos de Salud Este caso muestra cómo se pueden utilizar los datos aportados por los pacientes para ofrecer una atención más personalizada y efectiva. El objetivo es tomar mejores decisiones, adaptar el cuidado a las necesidades de cada persona y compartir información de manera segura entre hospitales y centros sanitarios. Más información Caso 3: Espacio de Datos para la Predicción Federada del Riesgo de Insuficiencia Cardíaca Aguda Este caso muestra cómo se pueden utilizar datos de varios hospitales de manera segura y conjunta para crear un modelo que ayude a predecir complicaciones y reingresos en pacientes con insuficiencia cardíaca, mejorando la toma de decisiones y la atención a los pacientes sin comprometer su privacidad. Más información