Generación de datos sintéticos para datos de salud longitudinales y series temporales: una revisión sistemática

Área de la Ciencia:

• Informática de la Salud; Ciencia de Datos; Inteligencia Artificial

Sus antecedentes:

• La generación de datos sintéticos (SDG) ofrece alternativas que preservan la privacidad para la investigación en atención médica.; Los datos de salud temporales (por ejemplo, EHR, señales fisiológicas) presentan desafíos únicos de SDG debido a su complejidad y sensibilidad.

Objetivo del estudio:

• Revisar sistemáticamente los métodos de SDG para datos de salud longitudinales y de series temporales.; Proponer una taxonomía para el panorama de la SDG.; Caracterizar las técnicas de síntesis, las estrategias de evaluación y las medidas de privacidad.

Principales métodos:

• Revisión sistemática de la literatura (2017-2025) siguiendo las directrices PRISMA.; Análisis de 115 estudios utilizando extracción estructurada de datos y análisis temático.; Síntesis comparativa de métodos de SDG para datos de salud temporales.

Principales resultados:

• Los modelos generativos profundos (GAN, AE, difusión) dominan la SDG, con un uso creciente de métodos autorregresivos e híbridos.; Los datos de EHR basados en eventos son objetivos comunes; las series temporales continuas/irregulares están poco exploradas.; Las evaluaciones de utilidad se centran en estadísticas/predicción; las evaluaciones de privacidad son escasas, con una implementación limitada de privacidad diferencial (DP).

Conclusiones:

• Los datos temporales sintéticos son cruciales para la predicción clínica, la salud pública y la IA.; La investigación de SDG está fragmentada en terminología, evaluación y privacidad.; Se necesita un marco unificado para la IA responsable, que aborde la equidad, la transparencia y la adopción clínica.