La investigadora MSCA-COFUND Blanca Monroy Castillo ha defendido recientemente su tesis doctoral titulada “Modelos de Curación Flexibles en Ciencia de Datos para Predecir la Remisión Sostenida en la Artritis Reumatoide”, desarrollada bajo la dirección de Ricardo Cao Abad, María Amalia Jácome Pumar, del CITIC de la UDC y Francisco J. Blanco García, del CICA.

El trabajo supone un avance relevante en el campo del análisis de supervivencia, al incorporar herramientas innovadoras para el estudio de resultados clínicos a largo plazo, especialmente en contextos donde algunos pacientes pueden no llegar a desarrollar la enfermedad o el empeoramiento que se está estudiando. Estas situaciones, habituales en enfermedades crónicas como la artritis reumatoide, se abordan mediante modelos de cura por mezcla que diferencian entre individuos susceptibles y aquellos en remisión prolongada.

A partir de este enfoque, la investigación aporta nuevas herramientas estadísticas para entender mejor qué factores influyen en la probabilidad de curación en pacientes con enfermedades crónicas. Entre los resultados principales, se incluye un estudio comparativo de distintos métodos para medir relaciones entre variables, del que se obtiene una versión mejorada más estable y fiable, especialmente cuando se trabaja con conjuntos de datos pequeños o medianos.

Además, el trabajo propone cuatro nuevas pruebas estadísticas que permiten analizar si determinadas variables influyen en las tasas de curación. Tres de estas pruebas se basan en una técnica avanzada capaz de detectar relaciones complejas y no lineales entre variables. Los estudios realizados mediante simulaciones muestran que estos métodos funcionan correctamente y ofrecen mejores resultados que otras alternativas ya existentes en diferentes situaciones.

Para facilitar su uso por parte de otros investigadores, todas las metodologías desarrolladas se han implementado en un paquete de R llamado MDCcure, que permite aplicar estas técnicas de forma accesible en análisis de supervivencia.

Finalmente, el trabajo se validó con datos reales de pacientes con artritis reumatoide. En este caso, los métodos propuestos permiten identificar factores asociados a una mayor probabilidad de remisión sostenida, lo que puede ser útil para mejorar la toma de decisiones clínicas y avanzar hacia tratamientos más personalizados.