Datos que se convierten en evidencia.
PALIC — Programa Analítico Longitudinal Integrado — integra datos longitudinales, control de calidad, trazabilidad, modelado, aprendizaje automático, interpretabilidad y reproducibilidad para investigación aplicada.
*E3 es una clasificación interna de madurez del portal, no una escala clínica o normativa universal.
Del dato al resultado, con cadena verificable.
La trazabilidad no termina en el ROC-AUC: incluye definición temporal, cohorte, variables, modelo, evaluación, artefactos y límites de interpretación.
Riesgo de abandono y deterioro clínico
26.732 pacientes del Caribe colombiano. El primer trabajo estableció la línea longitudinal aplicada sobre datos clínicos y administrativos, con SQL Server, Python, Random Forest y SHAP.
AUC aproximada: 0,659. Este resultado constituye el punto de partida de la línea PALIC y no se presenta como validación externa.
Deterioro sostenido de función renal
191.096 registros · 26.717 pacientes únicos · 18.326 landmarks · 15.430 evaluables · 124 eventos primarios. Horizonte predictivo de 365 días.
No ocultar la incertidumbre.
Bootstrap de 1.500 replicaciones: ROC-AUC 95% CI 0,7912–0,9436; PR-AUC 0,3433–0,6645; Brier 0,00439–0,00812.
Cinco semillas: ROC-AUC 0,8680 ± 0,0072; PR-AUC 0,5060 ± 0,0108; Brier 0,006210 ± 0,000069.
Calibración: intercepto −1,699 y pendiente 0,738. Esto indica que las probabilidades requieren cautela y potencial recalibración antes de interpretarse como probabilidades transportables.
PALIC-PY-10 V12.1.0
La versión reportada incorpora controles temporales y de reproducibilidad orientados a reducir errores metodológicos y mejorar la auditoría del proceso.
Control temporal
Split temporal, control point-in-time y exclusión de variables futuras.
Identidad y trazabilidad
IDs estables, trazabilidad de predicciones, hashes y manifiesto de entorno.
Autoverificación
Verificación final del pipeline y documentación de artefactos para reproducibilidad.
Ablación
Al retirar eGFR/creatinina, ROC-AUC baja a 0,7270 y PR-AUC a 0,0691.
Modelo clínico/biológico
Sin variables del proceso de observación: ROC-AUC 0,8823 y PR-AUC 0,5015.
Interpretabilidad
La línea integra análisis de variables y explicabilidad para contextualizar los resultados del modelo.
PALIC como plataforma de nuevas rutas científicas.
La evolución V10 conecta la línea longitudinal con validación externa, IA multimodal, causalidad, privacidad, equidad y reproducibilidad.
Validación multicéntrica
Pasar de evidencia interna a validación independiente, temporal, geográfica y prospectiva; comparar calibración, utilidad y subgrupos.
Causalidad + longitudinalidad
Explorar inferencia causal, target trial emulation y modelos longitudinales para separar asociación predictiva de preguntas causales.
IA multimodal
Integrar texto, señales, imágenes y datos estructurados solo cuando la pregunta científica y la calidad de los datos lo justifiquen.
Privacidad y aprendizaje federado
Investigar entrenamiento distribuido, minimización de datos y evaluación de deriva sin convertir la privacidad en una afirmación automática de seguridad.
Equidad y robustez
Evaluar desempeño por subgrupos, shift poblacional, fairness y sensibilidad a cambios de distribución.
Reproducibilidad científica
Versionar datos, código, modelos, semillas, entornos, métricas y decisiones metodológicas para permitir auditoría independiente.
De PALIC al ecosistema global de IA científica.
La dirección de PALIC puede dialogar con iniciativas internacionales que convierten IA, datos y ciencia interdisciplinaria en infraestructura para descubrimiento: programas biomédicos AI-ready, IA para biología estructural y ecosistemas de evaluación de IA en salud.
Publicado ≠ validado externamente.
Los resultados actuales constituyen evidencia interna publicada en el contexto estudiado. No se presentan como validación externa, utilidad clínica demostrada, diagnóstico ni generalización automática a otros contextos.
La siguiente frontera metodológica es la validación independiente, multicéntrica y prospectiva, junto con evaluación de utilidad y gobernanza cuando corresponda.