Laboratori de Senyals
- Presentació
- Serveis
- Recursos
- Projectes destacats
El Laboratori de Senyals Biomèdiques impulsa la recerca i la innovació biomèdica mitjançant el desenvolupament de solucions d’enginyeria avançades en processament de senyals biomèdiques i intel·ligència artificial aplicada a l’anàlisi de dades fisiològiques. Opera com a plataforma científica i tecnològica transversal a l’Institut d’Investigació i Innovació Parc Taulí (I3PT-CERCA), oferint suport especialitzat als grups de recerca de l’I3PT i a institucions nacionals i internacionals en els àmbits de la salut i l’enginyeria biomèdica.
La missió del Laboratori és generar solucions d’enginyeria clínicament rellevants mitjançant el processament avançat de senyals, la modelització de dades i la intel·ligència artificial, amb l’objectiu d’millorar la monitorització de pacients, donar suport a la presa de decisions clíniques i avançar en la medicina de precisió en cures crítiques. La seva activitat abasta tot el cicle translacional: des de l’adquisició de senyals fisiològiques i el desenvolupament d’algorismes fins a la validació clínica i la implementació en temps real en entorns hospitalaris.
El laboratori manté un ferm compromís amb la ciència oberta i els principis FAIR, gestionant bases de dades fisiològiques anonimitzades, dissenyades per donar suport al desenvolupament d’algorismes robustos, reproduïbles i clínicament transferibles. També contribueix activament a la formació de la propera generació d’enginyers biomèdics i científics de dades mitjançant la supervisió de recerca de grau, màster i doctorat.
- Adquisició, integració i processament de senyals fisiològiques de pacients monitoritzats.
- Creació i gestió de bases de dades fisiològiques anonimitzades i generació de dades sintètiques.
- Processament i anàlisi avançats de senyals biomèdiques contínues.
- Extracció de característiques fisiològiques, biomarcadors i variables derivades.
- Anàlisi exploratòria, visualització i interpretació de dades fisiològiques.
- Desenvolupament, validació i avaluació d’algorismes de processament de senyals biomèdiques i intel·ligència artificial.
- Adaptació i implementació en temps real d’algorismes de processament fisiològic prèviament desenvolupats en entorns offline.
- Integració d’algorismes de monitorització i anàlisi fisiològica en arquitectures streaming i sistemes clínics en temps real.
- Suport metodològic i assessorament cientificotècnic en projectes de recerca relacionats amb senyals biomèdiques, monitorització clínica i intel·ligència artificial.
Infraestructura i equipament
- Formació especialitzada en sistemes de monitorització i connectivitat de pacients (BC-Link).
- Base de dades fisiològica RAMIC-I — Real-time Agnostic Monitoring for Intensive Care (DOI: https://doi.org/10.34810/DATA2509): conjunt de dades d’alta resolució i conformitat FAIR de pacients amb ventilació mecànica a la UCI, que dóna suport a la recerca sobre interaccions pacient-ventilador, modelització predictiva i optimització de la ventilació mecànica invasiva.
Infraestructura computacional
- Windows Server 2022 Datacenter; 2 × Intel® Xeon® Gold 6348 @ 2,60 GHz; 32 GB RAM; 500 GB d’emmagatzematge local; 5 TB NAS.
Entorns de desenvolupament i anàlisi
- MATLAB, Python, PostgreSQL, pgAdmin, BetterCare, Spyder, Visual Studio Code, Jupyter Notebook.
IntelliLung
Estudi observacional prospectiu multicèntric amb centres d’Alemanya, Espanya i Polònia, que desenvolupa una eina digital basada en IA per a la generació automatitzada d’informació personalitzada per a pacients i familiars a la UCI, i valida IntelliLung, un sistema de suport a la decisió clínica basat en IA per a l’optimització de la ventilació mecànica i altres tractaments de suport vital en pacients crítics.
Finançament: Horizon Europe (101057434)
Entropy Care
Desenvolupament d’una estació de treball clínica offline per a l’optimització del procés de retirada de la ventilació mecànica i la prevenció d’autoextubacions en pacients crítics, mitjançant tècniques avançades d’anàlisi no lineal i intel·ligència artificial per detectar interaccions complexes pacient-ventilador, en col·laboració amb l’Hospital Althaia (Manresa).
Finançament: Departament de Salut (SLT017/20/000153)
Caracterització del Flow Starvation
Estudi multicèntric que avalua, mitjançant intel·ligència artificial, la incidència de l’esforç inspiratori elevat en pacients crítics. El projecte combina dades retrospectives de la UCI de l’Hospital Universitari Parc Taulí amb dades prospectives de la UCI de l’Hospital Clínic de Barcelona, i inclou la implementació en temps real d’algorismes de detecció automàtica d’esforç inspiratori elevat durant la ventilació mecànica.
Finançament: AES ISCIII (PI24/01268)