Navarrabiomed reúne a todo su equipo en las jornadas científicas internas 2026
- El encuentro contó con la participación de dos ponentes externos invitados: Jorge Larena y Juan Quizhpilema
El equipo de Navarrabiomed se ha reunido en las jornadas científicas internas 2026 para conocer las líneas estratégicas que la Dirección ha establecido para los próximos doce meses, así como la actividad más destacada y nuevos proyectos de las unidades de investigación y de los servicios científico-técnicos.
Durante las dos sesiones intervinieron los investigadores principales: Iñigo Les, Eduardo Albéniz, Maria Alsina, Maite Mendioroz, Nicolás Martínez-Velilla y Angel Alonso, y también los responsables de SCTs: José Arco y Natalia Ramírez. Además, se reservó un tiempo para abordar la estrategia de investigación con dimensión de género inclusiva centro con Laura García, que contó en su sesión con la participación de Maitane Bermúdez (ADItech, coordinador del SINAI).
Ponentes invitados
La sesión del lunes, 19 de enero, contó con la participación de un profesional invitado, Jorge Larena, consultor de fundraising para centros de investigación, hospitales y fundaciones, profesor en ICADE y Director de Desarrollo Institucional Universidad Pontificia Comillas ICAI ICADE. Durante su intervención ofreció un resumen sobre oportunidades y retos en materia de captación de fondos no competitivos en el ámbito de la investigación biomédica, así como casos de éxito a nivel nacional e internacional.
Juan Quizhpilema, técnico e investigador en NAIR Center, fue el profesional invitado de la segunda jornada. Durante su ponencia, dio a conocer un estudio centrado en la identificación de biomarcadores de neuroimagen en ELA mediante un enfoque multimodal de resonancia magnética avanzada.
Los resultados expuestos demostraban la superioridad de la Imagen por Curtosis de Difusión (DKI) y la tractografía por transporte paralelo frente a métodos convencionales para cuantificar la degeneración microestructural. Para superar las limitaciones de tamaño muestral, se propone una arquitectura de Aprendizaje Federado. Este modelo utiliza los biomarcadores validados como selectores de características para entrenar algoritmos de IA en redes multicéntricas, permitiendo la validación clínica robusta y global de los hallazgos sin comprometer la privacidad de los datos del paciente.

