Desarrollo de una metodología multimodal no invasiva para la detección precoz y la estratificación del riesgo cardiometabólico en población infantil con sobrepeso y obesidad, basada en el desarrollo de tecnologías de inteligencia artificial, visión computacional, sensórica, genómica y metagenómica.

El proyecto tiene como objetivo desarrollar una metodología innovadora, multimodal y no invasiva para la detección temprana y evaluación del riesgo cardiometabólico en niños con sobrepeso y obesidad, mediante la integración de tecnologías de inteligencia artificial y visión por computador.   La obesidad infantil constituye uno de los principales desafíos actuales de salud pública, debido a su asociación con alteraciones metabólicas y cardiovasculares que pueden manifestarse desde edades tempranas y persistir durante la vida adulta. La identificación precoz de estos riesgos resulta fundamental para favorecer estrategias de prevención e intervención personalizadas.   Mediante el desarrollo e integración de nuevas tecnologías de análisis, el proyecto pretende contribuir a la identificación de indicadores asociados al riesgo cardiometabólico, facilitando una evaluación más accesible y menos invasiva de la salud infantil.   Esta iniciativa se enmarca en el ámbito de la innovación tecnológica aplicada a la medicina preventiva y personalizada, impulsando el desarrollo de nuevas herramientas que permitan mejorar la detección precoz, la evaluación y el seguimiento del riesgo cardiometabólico en población pediátrica.

Objetivos

El objetivo general del proyecto es desarrollar una metodología multimodal no invasiva que permita mejorar la detección precoz y la estratificación del riesgo cardiometabólico en población infantil con sobrepeso y obesidad, mediante la aplicación de tecnologías de inteligencia artificial y visión por computador.

Para ello, se plantean los siguientes objetivos específicos:


  • Investigar indicadores y parámetros asociados al riesgo cardiometabólico en población infantil con sobrepeso y obesidad.

  • Explorar el potencial de las tecnologías de visión por computador para la obtención y análisis no invasivo de información relevante.

  • Integrar diferentes fuentes de información mediante una metodología multimodal para mejorar la evaluación del riesgo cardiometabólico.

  • Desarrollar modelos de inteligencia artificial orientados a la identificación temprana y clasificación de diferentes niveles de riesgo.

  • Evaluar el potencial de la metodología desarrollada como herramienta de apoyo a la prevención y a la toma de decisiones clínicas.

Empresas colaboradoras

Coordinador:
SABARTECH S.L.

Empresas Cooperantes:

ANALOG DEVICES
INSTITUTO DE BIOMECÁNICA (IBV)
FUNDACIÓN DE INVESTIGACIÓN DEL HOSPITAL GENERAL UNIVERSITARIO DE VALENCIA

Duración y referencia

Fecha de inicio: 01-10-2026
Fecha de finalización: 31-12-2028
Referencia del proyecto: INNSTP/2026/55

Proyecto (INNSTP/2026/55). Este proyecto (INNSTP/2026/55) cuenta con el apoyo de la Agencia Valenciana de la Innovación (AVI) (IVACE+i Innovación) de la Generalitat Valenciana, en el marco del Programa de Proyectos Estratégicos en Cooperación STEP y está cofinanciado por la Unión Europea, a través del Programa Fondo Europeo de Desarrollo Regional (FEDER) Comunitat Valenciana 2021-2027.
Si quiere acceder a los resultados de la investigación pinche aquí
Resumen de privacidad
Instituto de Biomecánica

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.

Cookies estrictamente necesarias

Las cookies estrictamente necesarias tiene que activarse siempre para que podamos guardar tus preferencias de ajustes de cookies.

Cookies de Analytics

Esta web utiliza Google Analytics para recopilar información anónima tal como el número de visitantes del sitio, o las páginas más populares.

Dejar esta cookie activa nos permite mejorar nuestra web.