Grupos

GRUPOS DE INVESTIGACIÓN

Información de contacto

ricardo.sanchez@isciii.es

Ricardo Sánchez de Madariaga

Comencé el estudio del Machine Learning en el Departamento de Ciencias de la Computación de la Universidad de Alcalá, donde fui primero profesor asociado (1999-2003) y después profesor colaborador (2003-2008). Tesis doctoral en Aprendizaje Máquina (ML) semi-supervisado. En 2010 me incorporé a la Unidad de Investigación en Telemedicina y Salud Digital (UITeS) del Instituto de Salud Carlos III. En esta unidad empecé desarrollando aplicaciones de almacenamiento, edición, visualización y recuperación de información médica estandarizada, según la norma UNE-EN ISO 13606. Desarrollo dos nuevos lenguajes de programación para la edición práctica (ccML) y visualización educativa (dvML) de este tipo de información médica, de características especiales, en forma de extractos de Historia Clínica Electrónica (HCE) estandarizados, según esa norma. Trabajo en el desarrollo del estudio y optimización de los sistemas de Bases de Datos relacionales y no relacionales (NoSQL) para el almacenamiento de información médica estandarizada e interoperable. El estudio de la viabilidad de la persistencia de sistemas de EHR interoperable ISO/EN 13606 en BD NoSQL y el desarrollo de intérpretes del lenguaje de consulta de EHR interoperable AQL sobre un sistema de persistencia MongoDB (NoSQL). En la actualidad lidero tecnológicamente la transformación de la UITeS hacia la Ingeniería Artificial (IA) y la Ciencia de Datos abriendo y dirigiendo una nueva línea de investigación de la Unidad para la investigación de la Extracción de Conocimiento utilizando el Machine Learning (ML), denominada "Inteligencia Artificial y Conocimiento". En ella estoy desarrollando una nueva metodología para la extracción de conocimiento científico médico a través del uso del ML. Hasta ahora esta tarea se realizaba mediante el uso de la estadística clásica (regresión lineal y logística) y esta nueva metodología supone el uso de ML para complementar a la estadística en esta tarea, optimizándola y a veces superándola allí donde la estadística clásica no puede llegar y sí lo puede hacer el ML. Esta metodología ha sido publicada en varias revistas del cuartil Q1 del JCR. La nueva metodología va a ser patentada como proceso formado por varias partes, incluídos algoritmos de codificación y extracción de nuevo conocimiento científico médico. Se va a aplicar a datasets médicos de alta calidad disponibles públicamente, ya que se espera que aumenten en número considerablemente durante los próximos años. De esta forma se puede extraer y sistematizar el conocimiento médico masivamente, y adaptarlo a las características regionales de cada dataset utilizado para extraer ese conocimiento médico. Soy revisor de las revistas Scientific Reports, del grupo Nature (Factor de Impacto 4.259, primer cuartil), BMC Medical Informatics and Decission Making, JMIR, Clinical Epidemiology, Healthcare, Infectious Disease Reports, Journal of Clinical Medicine, IEEE Journal of Biomedical and Health Informatics, Jornal of Visualized Experments, Risk Management and Healthcare Policy y Applied Clinical Informatics.

Proyectos

Arquitectura normalizada de datos clinicos para la generacion de infobancos y su uso secundario en investigacion tecnologica - CAMAMA-4

Entidad Financiadora: (2022 - 2023)
Caracterizacion clinica de la infeccion por COVID-19. Estratificacion pronostica y complicaciones

Entidad Financiadora: (2022 - 2023)
Genomic Data Infrastructure (GDI)

Entidad Financiadora: (2022)
Infobanco para uso secundario de bases de datos basado en estandares de tecnologia y conocimiento: implementacion y evaluacion de un infobanco de salud para CoRIS-smartPITES

Entidad Financiadora: (2022 - 2023)
Reglas de Asociación en la Investigación de Enfermedades de Especial Interés (RAICES)

Entidad Financiadora: (2022)

Publicaciones recientes

Sánchez-de-Madariaga R, Pascual Carrasco M, Muñoz Carrero A. Top-Weighted Structural Analysis of Ordered List Averaging for Medical Knowledge Extraction. Mathematics. 2026 07;14:2610. doi:10.3390/math14142610.
Sánchez-de-Madariaga R, Pascual Carrasco M, Muñoz Carrero A. A Methodology to Extract Knowledge from Datasets Using ML. Mathematics. 2025 05;13:1807. doi:10.3390/math13111807.
Gandarillas MÁ, Sánchez-de-Madariaga R, Muñoz-Carrero A, Goswami N. Delphi Assessment of Home-Based Digital Healthcare for Aging Patients: A Biopsychosocial Perspective.. Clin Interv Aging. 2025 ;20:1455. doi:10.2147/CIA.S525246. Epub 2025 Sep 02. pmc:PMC12413830. PMID:40919093.
Araujo L, Martinez-Romo J, Bisbal O, Sanchez-de-Madariaga R; Cohort of the National AIDS Network (CoRIS). Discovering HIV related information by means of association rules and machine learning. Sci Rep. 2022 Oct; 12(1):18208. doi:10.1038/s41598-022-22695-y. Epub 2022 Oct 28. pmc:PMC9616424. PMID:36307506.
Sánchez-de-Madariaga R, Martinez-Romo J, Escribano JMC, Araujo L. Semi-supervised incremental learning with few examples for discovering medical association rules. BMC Med Inform Decis Mak. 2022 01; 22(1):20. doi:10.1186/s12911-022-01755-3. Epub 2022 Jan 24. pmc:PMC8785547. PMID:35073885.
Garcia-Gutiérrez S, Esteban-Aizpiri C, Lafuente I, Barrio I, Quiros R, Quintana JM, Uranga A; COVID-REDISSEC Working Group. Machine learning-based model for prediction of clinical deterioration in hospitalized patients by COVID 19. Sci Rep. 2022 May; 12(1):7097. doi:10.1038/s41598-022-09771-z. Epub 2022 May 02. pmc:PMC9059444. PMID:35501359.