Noticias

IIS Biocruces Bizkaia, 18 de enero de 2022.- La Fundación “la Caixa” otorga 110 becas de doctorado y posdoctorado para realizar investigaciones punteras en España y Portugal. La entidad apoya a jóvenes talentos y fomenta la investigación innovadora y de alta calidad en la península ibérica.

En la convocatoria 2021, el investigador Jorge García Condado, integrante del grupo de investigación Neuroimagen computacional, ha recibido una beca de doctorado a través del programa INPhINIT.

El programa de becas de la Fundación”la Caixa” es el más importante de los que promueven las entidades privadas de España y Europa, tanto por el número de becas convocadas como por la variedad de las disciplinas. En la convocatoria 2021, se han otorgado 65 becas de doctorado y 45 de posdoctorado a investigadores excelentes, a los que se ofrece un entorno atractivo para realizar sus proyectos.

El objetivo de estas ayudas es retener talento local de excelencia, así como atraer a investigadores extranjeros ofreciéndoles salarios competitivos y oportunidades complementarias para la capacitación en habilidades transversales.

Línea de investigación

La prevalencia de enfermedades neurodegenerativas asociadas a la edad está incrementando de forma polinómica conforme nuestra sociedad envejece, lo que conlleva altos costes económicos, sociales y familiares. El diagnóstico preclínico de la enfermedad (antes que los síntomas aparezcan) es de altísima relevancia. También el entender los diferentes subtipos de enfermedad, pues son formas con alta heterogeneidad entre diferentes pacientes. La Inteligencia Artificial y las técnicas de aprendizaje profundo basados en datos pueden jugar un papel importante.

Nuestra investigación se centra en desarrollar nuevos métodos de aprendizaje profundo (en inglés Deep Learning) para agrupar pacientes con caracterización multi-factorial, tales como su neuroimagen, conectividad cerebral, genómica, cognición, escalas de calidad de vida, y escalas clínicas. Gracias a iniciativas a nivel mundial multi-céntricas ya consolidadas en los últimos años, la comunidad científica empieza a disponer de datos apropiados para responder a estas preguntas. Pretendemos agrupar pacientes por similitudes multi-factorial y después usar los patrones bien caracterizados de cada subtipo para clasificar nuevos pacientes y así poder generalizar el aprendizaje de nuestros modelos.