Conferencia de Directores y Decanos de Ingeniería Informática

Mensajes etiquetados IA

Usan inteligencia artificial para detectar noticias falsas y mensajes de odio en las redes sociales

IA-Fake-news-upv

Investigadores de la Universidad Politécnica de València (UPV) han desarrollado un sistema de Inteligencia Artificial (IA) que ha ayudado a detectar noticias falsas (fake news) y ataques explícitos e implícitos en las redes sociales.

Es el primero de los resultados del proyecto MISMIS-FAKEnHATE, liderado por el centro Pattern Recognition and Human Language Technology (PRHLT) de la UPV, en el que también participan la UNED y la Universitat de Barcelona y colabora la Policía Local de València, y que en fase de prototipo ya se ha usado para localizar este tipo de mensajes contra mujeres e inmigrantes.

El investigador de la PRHLT-UPV Paolo Rosso ha explicado que hoy en día la ciudadanía «acaba recibiendo en los medios sociales de comunicación sólo la información que concuerda con sus creencias y puntos de vista, con el riesgo de un aislamiento intelectual» o burbuja de información.

Rosso ha hecho hincapié en que un «efecto perverso» que provoca esta realidad es que «cuando la información corrobora nuestras creencias, tendemos a compartirla sin comprobar su veracidad», lo que «facilita la propagación de desinformación, las llamadas ‘fake news'».

El relativo anonimato de los medios sociales favorece además la propagación de lenguaje agresivo, de mensajes de odio y exclusión, que fomentan la separación en comunidades cada vez más polarizadas en sus opiniones.

Al respecto, según apunta a EFE la investigadora del PRHLT-UPV Anastasia Giachanou, «se tiende a una escasa argumentación en los contenidos que a menudo se limitan a unos pocos insultos».

A partir de este análisis, este primer prototipo desarrollado por los investigadores permite identificar noticias falsas a partir de un análisis automático tanto del lenguaje utilizado, como de las emociones que subyacen a ese texto.

Para ello, es capaz de discernir emociones básicas como el miedo, la ira o la sorpresa, entre otros, y por el momento, lo hace en información escrita, si bien están empezando a trabajar también con imágenes.

«Nos proponemos identificar la desinformación desde una perspectiva multimodal, combinando la información textual con la visual a través de técnicas basadas en deep learning (tecnología evolucionada del aprendizaje automático que lo hace más sólido y efectivo)», explica Giachanou.

La investigadora, que desarrolla su investigación en el PRHLT gracias a una beca de la Fundación Nacional para la Ciencia de Suiza (SNSF por sus siglas en inglés), añade que «además, se llevará a cabo un análisis multilingüe cuándo la información sea en lenguajes diferentes».

Por otro lado, este primer prototipo permite detectar también lenguaje agresivo y mensajes de odio en los medios sociales de comunicación.

Para monitorizarlos, el equipo de la UPV, la UNED y la Universitat de Barcelona propone un enfoque terminológico, extrayendo términos y patrones lingüísticos de odio a partir de conjuntos de datos analizados anteriormente y monitorizar sistemáticamente si se emplean en nuevas conversaciones en línea.

Como próximos retos, el equipo de investigadores que ha desarrollado este proyecto trabaja en la clasificación de patrones y rasgos de la personalidad que se esconden detrás de los «haters» (odiadores) de las redes sociales.

Los socios del proyecto celebraron la semana pasada un encuentro en el que presentaron los resultados del primer año de trabajo, ha informado la UPV.

En este encuentro, José Luis Diego, miembro de la Policía Local de Valencia, que participa como Entidad Promotora Observadora (EPO) en este proyecto, expuso los retos de este cuerpo de seguridad para la detección de mensajes de odio y de exclusión en las redes sociales.

Por parte del centro PRHLT de la Universidad Politécnica de Valencia también participan en el proyecto Francisco Casacuberta y José Miguel Benedí, han indicado las mismas fuentes.

Fuente: EFE

De qué serán capaces la inteligencia artificial y el machine learning en 10 años: Xataka pregunta a expertos

Reportaje en Xataka con los expertos en IA

Parece que el término Inteligencia Artificial no se nos cae de la boca desde hace un par de años, pero lo cierto es que fue en 1956 cuando un profesor universitario, John McCarthy, lo acuñó en una coferenecia académica. Aunque las Leyes de Turin y de Asimov son de 1950, habría que esperar 6 años para acuñar este término y referirse a ese conjunto de tecnologías con las que se pretende que las máquinas sean inteligentes.

Desde entonces (han pasado más de 6 décadas), los avances han sido llamativos: ordenadores capaces de ganar a campeones de ajedrez, máquinas que aprenden solas, coches que se conducen solos…

Pero, ¿qué será realmente la Inteligencia Artificial capaz de hacer dentro de 10 años? ¿Seguiremos llamando Inteligencia Artificial a la Inteligencia Artificial? ¿Qué hay de realidad y qué de ciencia ficción o esperanza en lo que se dice sobre estas tecnologías?

Hemos hablado con varios expertos en la materia: Nuria Oliver ingeniera en telecomunicaciones y doctora por el Media Lab del Instituto Tecnológico de Massachusetts, Richard Benjamins, Data & IA Ambassador de Telefónica, Andres Torrubia, ingeniero y CEO de Fixr y Pedro Larrañaga, Catedrático de Ciencias de la Computación e Inteligencia Artificial de la Universidad Politécnica de Madrid. Esto es lo que nos han contado.

Por qué es difícil hacer estos pronósticos

Si hacer predicciones a futuro es difícil, hacerlo sobre una tecnología como la Inteligencia Artificial se antoja complicada incluso para los propios expertos que trabajan en su desarrollo. Para entenderlo un poco mejor, Andrés Torrubia explica que todos los avances que estamos viendo a día de hoy provienen de la disciplina del deep learning o aprendizaje profundo. Una materia que, hace precisamente 10 años, “no funcionaba a nivel práctico. Esto nos da una visión de la complejidad de hacer predicciones a futuro, porque si hace 10 años me hubieras hecho esta misma pregunta, te hubiera contestado que estaba atascado”.

Por eso, los expertos que hemos consultado prefieren, como punto de partida, hacer un repaso de lo que se ha conseguido en esta década para intentar vislumbrar de qué será capaz en unos años.

Durante este tiempo, la tecnología ha aprendido a reconocer objetos y caras, a realizar análisis predictivos (que se aplican en anuncios o en medicina) o a generar juegos (tipo Pokemon go). Todos estos son modelos predictivos, pero también hay modelos generativos, los que son capaces de crear algo: escribir, pintar… O inventar caras de personas, por ejemplo.

La conducción autónoma será técnicamente viable

Por eso, y subrayando que es muy difícil de saber qué será capaz de hacer la tecnología en el futuro porque, Nuria Oliver desgrana que si seguimos avanzando en las mismas áreas de los últimos 5 años (reconocimiento de patrones en video, texto, imágenes y audio, es decir, en datos no estructurados), la conducción autónoma será realidad desde el punto de vista técnico. “Tendremos las habilidades técnicas para tener una conducción autónoma segura, aunque hay otros factores no tecnológicos que determinarán si es realidad o no en el mercado”, avanza.

Richard Benjamins ahonda en el hecho de que, en estos momentos, los coches ya son capaces de reaccionar sobre lo que ven los sensores y lo que han aprendido. “Pero en el futuro podrán predecir los comportamientos de otros coches, conducidos por coches y personas”. Un componente que no está presente hoy, pero sí en el futuro, “imitando lo que hacemos los humanos”-

Cuando se habla de conducción autónoma, ésta se dividen en 5 niveles. Andrés Torrubia explica que si el nivel 5 es el de máxima autonomía, en 10 años muchas ciudades ya estarán en el nivel 4 (que aún sigue exigiendo que un humano lleve las manos en el volante). “A nivel 5 no se llegará por cuestiones puramente técnicas”, avanza, salvo en entornos muy cerrados y controlados.

Diagnósticos, medicina personalizada y moléculas bajo el prisma de la IA

Medicina será, según estos expertos, otra de las áreas en las que más avances veremos. Aunque hoy en día sigue es una de las temáticas de las que más se habla, según Andrés Torrubia aún no está desplegada con todo su potencial, por lo que cuando este se produzca veremos importantes adelantes. “Hoy ya está ayudando en el diseño de fármacos, pero las moléculas tienen que pasar por ensayos clínicos. La IA diseñará moléculas, pese a que, con razón, sigue siendo un sector muy regulado”.

Así pues, será un avance que irá lento “porque se tiene que validar muy bien”. Pero en el diseño de tratamientos, en el diagnóstico será cada vez más común que la Inteligencia Artificial se aplique a temas de imágenes y radiografías. Algo en lo que coincide Benjamins. “Seguro serán diagnósticos médicos muy buenos, incluso mejores que los realizados por los propios médicos expertos. Y es algo que ya se hace”. Pero, según su visión, la verdadera aportación a diez años vista será que también se podrá explicar cómo se ha llegado a este diagnóstico. Aunque ahora el Machine Learning y la IA pueden hacer estos diagnósticos, es muy difícil explicar este diagnóstico, tanto al profesional como al particular. “En 10 años sí que se podrá explicar. Tanto a nivel general como en casos concretos”, augura este experto.

La Inteligencia Artificial también ayudará a sugerir tratamientos. Según este experto, en 10 años lo veremos muy desplegado y esto ayudará a la eficacia del médico. “Será una herramienta, no sustituye a este profesional”, subraya.

Eso sí, según Torrubia, no deberíamos dejar a la IA dejar actuar en muchas facetas sin supervisión humana “porque la tecnología tiene limitaciones”.

Nuria Oliver, en este punto, considera que, como en el tema de la conducción, serán otros factores los que determinen si realmente llegaremos a usar tanto la IA en el campo de la salud. “Generemos muchos datos de nuestra salud, y cada vez más. Todas las pruebas médicas son digitales, secuenciamiento de ADN, informes médicos y radiografías. Es una gran fuente de datos no estructurados que son los que la IA puede interpretar y encontrar patrones. En radiología está ya en los primeros resultados. Los algoritmos ya pueden detectar tumores de diferentes tipos con una precisión superior a la de un radiólogo», expone.

Sin embargo, eso no quiere decir que toda la medicina del futuro se base en lo que diga la Inteligencia Artificial. «No es algo sencillo porque una única prueba médica no tiene la respuesta y tener un diagnóstico sino que se necesitan varias pruebas, pero los algoritmos nos ayudarán a avanzar en este campo”.

Lenguaje, escritura y otras comunicaciones

La IA se desarrollará tanto en los próximos años que seguramente nos cueste distinguir cuándo nos estamos comunicando con un humano y cuándo con una máquina.

Oliver asegura que una de las grandes promesas que se ve son las capacidades de interactuar con naturalidad a la tecnología. Es decir, hablarle a la tecnología y que nos entienda. “Ahora lo empezamos a poder hacer con asistentes y teléfonos. Cada vez irá mejorando más, porque hay muchas cosas que no entienden. El progreso en procesamiento del lenguaje natural será grande”, asegura esta experta.

Para eso, Andrés Torrubia explica que la tasa de acierto debe ser superior al 98%. “Un 90% supone que en una de cada 10 palabras falla. Y a la mínima los asistentes no nos entienden. Pero en 10 años no, la interacción va a ser mucho más natural”, avanza este experto. Tanto que, en lugar de tener que adaptarnos nosotros a ellos serán ellos los que estén adaptados a nosotros.

Así que, como dice Richards, Google Duplex estará mucho más extendido sobre más dominios y podrán tener un lenguaje natural, tener una conversación con una máquina.

Pero esta interpretación del lenguaje natural no será solo oral, sino también escrito. Según Torrubia, las máquinas del futuro serán capaces de escribir y hacerlo bastante bien. “Ya escriben un comentario de texto, pero me atrevería a decir, siendo muy aventurado, que escribirán historias coherentes y largas”, asegura.

La personalización de la educación

Para Nuria Oliver otra área en la que la IA avanzará mucho en los próximos 10 años es todo lo que tiene que ver con educación. “En China ya están realizando experimentos, utilizando IA para tener educación personalizada y adaptar los curriculus a cada niño”, explica.

Aunque habrá que ver los resultados que estos experimentos ofrecen, Oliver no duda de que es un área de oportunidad. “Nos permite personalizar la educación y eso ahora mismo no es viable. Sabemos que los niños aprenden con diferentes estilos, ritmos y técnicas y hay un profesor cada 30 alumnos. Es muy difícil ofrecer esa personalización. Pero con IA sí se puede, además para la para detección temprana para dificultades como dislexia o discapacidad para que desaparezca este concepto porque se compense con la IA”.

¿Sesgos? ¿Qué sesgos?

Tanto Torrubia como Richards explican que los sistemas de Inteligencia Artificial se basan en correlaciones, en búsqueda de patrones. Y ésa es, precisamente, una de las grandes diferencias con la Inteligencia Humana y lo que acaba provocando algunos problemas, como los conocidos sesgos. “Las personas diferenciamos correlaciones de causa-efecto, pero las máquinas no”, ahonda Torrubia. Por eso los sistemas fallan y tienen sesgos y están mal configurados y refuerzan sesgos negativos. «Es lo que han visto y no entienden las relaciones causa efecto a día de hoy”.

Por eso, un área activa de investigación en los avances de IA en datos son las abordar las limitaciones de los sistemas existentes, como la discriminación y sesgos. “La aspiración es que al usar datos estos algoritmos no sufran los sesgos que tenemos los humanos”, detalla Oliver. “Nos damos cuenta de que los datos no son un reflejo objetivo de la realidad, sino que están sesgados. Y si le enseñas a un algoritmo esos sesgos, los puede maximizar”, avisa.

Pero, la buena noticia es que, según Benjamins, el tema de la discriminación y sesgos de datos estará resuelto en 10 años. Habrá muchas herramientas que podrán detectar los sesgos. “Será como una ingeniería y se podrán identificar muy bien y eliminar”, avanza. En su opinión, actualmente el problema a veces es que puedes tener un conjunto de datos en los que no esté establecido la raza, pero sí que tenga esos sesgos. “Quizá en 10 años este tema también esté resuelto”.

Dame datos y te daré personalización

Nuria Oliver incide en este punto que toda la IA se basa en datos. Los modelos más prometedores y los comerciales de más éxito son redes neuronales entrenadas con cantidades ingentes de datos. Para aplicar estas técnicas de IA en nuevas áreas como medicina y educación o justicia, lo primero es tener datos. Los algoritmos aprenden a partir de datos que se suponen que refleja de manera objetiva lo que quieres modelar.

“A partir de esos datos, si son suficientes para cada persona, puedes construir un modelo especifico a cada persona. Y adaptarte a esa persona. Ya hay modelos de personalización en los sistemas de recomendación en base a tus propios datos y comportamiento. Es un área inmensa la personalización y forma parte de la estrategia core de la mayoría de las empresas tecnológicas, sobre todo si tienen servicios que interaccionan con las personas. La clave es como aplicarlas en sectores no puramente digitales”, detalla esta experta.

Pero no son los únicos campos donde la aplicación de la IA es un reto. Para Andrés Torrubia también la implementación en robots, que hasta ahora no se ha beneficiado mucho de la IA, será un campo de desarrollo. “Hay muchas tareas del día a día aunque sean menos noticiable”. Un buen ejemplo es Amazon Go, que te reconoce cuando entras y coges el producto. Aunque de momento es un prototipo, Torrubia asegura que el llegar a que la IA pueda saber cuánto cobrarte por el peso de un producto concreto es un desafío brutal, sobre todo para implementarlo a escala. “Pero lo conseguiremos. Como que Zara te permita probarte las cosas virtualmente en tu casa y que te sugiere la ropa en función de tus gustos y de lo que tienes”, avanza.

Además, este experto también confía en los resultados que pueden cosechar, de aquí a 10 años, algunos de los prototipos de investigación, como que escriba una novela entera tipo Harry Potter. O algoritmos que inventen una película entera. “Hay temas más distópicos como la generación de fake news que se podrá hacer a escala y eso existirá, tanto en texto como en vídeo”, aventura.

No es lo que haga, es lo que debería hacer

Según Pedro Larrañaga, todo esto se puede resumir en tres grandes puntos

  • Creará más trabajos de los que destruya.
  • Ayudará a los humanos en un buen número de trabajos.
  • Posibilitará un mundo más justo y con más posibilidades para la gente pobre que sea capaz de esforzarse en el estudio deje de serlo y mejore en sus condiciones de vida.

Y ese último melón es el que, precisamente, abren también algunos de estos expertos con los que hemos hablado. Nuria Oliver asegura que el desarrollo tecnológico es mucho más complejo que los algoritmos. “Debe estar contextualizada en una realidad y con impacto en la sociedad y en la vida de millones de personas. No se puede desarrollar de manera aislada. Hay un componente humano. No es solo capacidad técnica para ser más eficiente, sino también empatía, garantía de justicia”.

Es lo que ella denomina FATEN (Justicia, Autonomía, Confianza, Educación y No Maleficencia, por sus siglas en inglés). “Más allá de desarrollo de nuevos algoritmos debemos hacerlo en marco FATEN; si no, no será progreso. No toda innovación es progreso. Por eso debemos asegurarnos que no está discriminando, que no va a aumentar la diferencia entre ricos y pobres, o que solo funciona para una raza. Este marco debería ser donde hagamos el desarrollo”.

O, como dice el experto de Telefónica, debe haber una concienciación no solo de las oportunidades, sino también de los desafíos, por lo que debería haber muchos debates y conversaciones a diferentes niveles. “La Comisión Europea sobre confianza de la IA, pero hay más temáticas, responsabilidad, también en el plano jurídico, del trabajo si las máquinas van a quitar y cómo se sostiene el estado de bienestar. Hay mucho debate. La toma de decisiones autónoma en la administración pública afecta a las personas. No estamos preparados para que pase a gran escala. Necesitamos coger más experiencia y regulación para poder evitar que pasen cosas que o queremos”.

Además, considera que hay que trabajar en evitar la concentración de datos en pocas compañías que tienen mucho dinero. “El riesgo es que la mejor tecnología esté en manos de muy pocos y tengan el poder”, advierte.

La IA no tiene superpoderes

Seguramente la IA tenga mucho potencial de desarrollo, pero hay cosas que no será capaz de hacer.

¿Cuáles? El catedrático de la Complutense asegura que la respuesta a esto se relaciona con la paradoja de Moravec , “es decir por qué la IA hace fácil lo difícil) (para un humano) y viceversa. Al parecer el esfuerzo necesario para copiar cada habilidad humana es proporcional a la antigüedad con que ésta apareció en nuestro árbol genealógico. El “amor”, la “creatividad”, la “empatía” probablemente sean aspectos del ser humano que le van a costar incorporar a un sistema de IA”.

Para Richard Benjamins, casi todo el éxito de la IA se basa en aprendizaje automático supervisado con redes Machine Learning. “Pero si ves como aprende un bebe, no sabe nada, observa, interactúa y recibe feedback y 18 meses más tarde ha construido su modelo del mundo en el que cada concepto que conoce se ancla en la realidad. Aprender así no se puede aún con la IA, pero se darán pasos para que se de. Si se consigue sería un gran hito, sería cambiar de aprender de manera supervisado con ML a no supervisado. Aún no sabemos cómo funciona”.

Además, tampoco tendrá sentido común, como los humanos. “Las máquinas no saben reaccionar”, asegura, aunque no descarta que se pueda llegar a producir.

Andrés Torrubia también asegura que la IA no va a ser como la humana. “No se va a volver contra nosotros. No tendrá autonomía”, asegura. “Atribuimos cualidades humanas a todo, incluso decimos que aprenden. Pero no lo hacen como una persona. Hacen ecuaciones y llegan a una conclusión pero eso no es aprender. Así que no tomarán el control”.

Y, sobre el peligro de que robe puestos de trabajo, este experto señala que solemos pensar demasiado en las amenazas de los robots. “Se cree que en el trabajo es más factible que tenga impacto en trabajos poco cualificados, pero no es cierto. Un fontanero no podrá ser un robot en 10 años”.

Por su parte, Nuria Oliver también subraya que los humanos somos mucho más que reconocimiento de patrones. “Tenemos muchos tipos de inteligencia: sentido común, capacidad de asociar, crear, conocimiento semántico del mundo del que carecen los algoritmos. Reconocen gatos, pero no sabe qué es un gato. Hay muchas áreas donde la inteligencia humana es muy compleja y multidimensional», como en el mencionado sentido común y la capacidad de razonamiento. Además, esta experta señala un punto débil de las máquinas: «tienen la fragilidad de que lo puedes hackear”.

Además, esta experta recuerda que el reconocimiento de patrones necesitan muchos más ejemplos que un humano para encontrar ese reconocimiento. “No aprenden incrementalmente y constantemente y sin olvidar lo que ha aprendido. Son sistemas supervisados. Los humanos somos más eficientes y hay muchas habilidades de un niño de 2 años que son muy complicadas para la IA”.

El riesgo de morir de éxito

Por último, Andrés Torrubia cree que a la IA le vamos a poner freno como sociedad. “Desgraciadamente hay tanto hype, tanta expectación, que muchas empresas sacan cosas mal hechas” con el consiguiente riesgo que ello conlleva. Y pone un paralelismo con la web de Renfe “famosa por lo mal que funciona”. El problema, en su opinión, es si trasladamos esa isma sensación a los primeros sistemas de reconocimiento facial que falle, por ejemplo.

“Es un tema social. Puede ser disruptivo a nivel económico y socialmente se frene o por malas implementaciones. Es un problema que hay que tratar de manera sensata. No tiene que estar mal ejecutado. Así que crucemos dedos para que no haya una web de Renfe en la implementación de la IA”.

Fuente: Xataka

Big Data, IA, blockchain, ciberseguridad y realidad digital mejorarán los servicios públicos, según Minsait

(Europa Press) Las elevadas capacidades analíticas que proporciona el Big Data, la revolución de la Inteligencia Artificial (IA), las oportunidades que brinda la realidad digital, la necesaria e imprescindible ciberseguridad o el prometedor blockchain constituyen la base del proceso innovador que están afrontado las administraciones públicas para mejorar la prestación de sus servicios y la calidad de vida de los ciudadanos, según un estudio de Minsait, una compañía de Indra.

El informe ‘Innovación Pública: las tecnologías disruptivas que transformarán las Administraciones’ de Minsait analiza las posibilidades de uso y beneficios de estas tecnologías disruptivas, que ya están impactando en los modelos de negocio actuales y en la forma en que las administraciones públicas van a tener que ofrecer sus servicios a la sociedad.

Para Minsait, la innovación de los servicios públicos depende de la voluntad y motivación de los gobernantes, que deben elegir las soluciones digitales que contribuyan a aumentar la equidad de la sociedad y generen confianza gracias a la transparencia de sus políticas públicas. Es por ello que una correcta elección de las inversiones en tecnologías disruptivas de los gobiernos en los próximos años es «clave» para el futuro del estado de bienestar.

«Nos encontramos en un momento de intenso cambio de la economía y la sociedad, en el que se ha pasado de un entorno en el que prima lo físico a otro en el que prima lo digital y en el que las administraciones públicas deben dar una respuesta integral a los retos y oportunidades que se les presenta en un contexto de cambio acelerado», destacan desde Minsait.

En el ámbito del Big Data, los nuevos modelos y métodos algorítmicos como la analítica predictiva y prescriptiva permitirán crear escenarios para la definición de las mejores políticas públicas en ámbitos como la sanidad, la justicia, la educación o la lucha contra el fraude. Así, detalla que la analítica predictiva emplea datos históricos para identificar patrones y tendencias que ayuden a anticipar lo que puede suceder en el futuro.

APOYO DE LA INTELIGENCIA ARTIFICIAL

En el caso de la Inteligencia Artificial, Minsait resalta que complementará el trabajo de los empleados públicos y ayudará a prestar servicios de mayor valor añadido y a crear una ciudad más segura. Por ejemplo, gracias a las tecnologías de ‘machine learning’, las plataformas conversacionales o chatbots permiten dar respuesta «de forma inmediata y en cualquier momento» a demandas de información del ciudadano que, de otra forma, podrían exigir múltiples contactos con la administración.

El informe elaborado por Minsait también remarca que la realidad digital, término que engloba a la realidad aumentada, virtual y mixta, contribuye a impulsar el turismo de calidad «atrayendo a los visitantes a espacios físicos y haciéndoles partícipes de experiencias satisfactorias».

Por otro lado, incide en que las administraciones públicas requieren de soluciones de seguridad integral que permitan proteger la huella digital y los datos en un mundo híper conectado en el que el cibercrimen tiene un impacto global de cerca del 1% del PIB mundial. El informe también hace alusión a la necesidad de invertir en concienciación social para que los usuarios tengan suficiente información y usen los dispositivos con acceso a una red de la forma más segura.

Por último, apunta que la utilización de tecnologías basadas en blockchain permitirá optimizar la forma en que se relacionan las administraciones públicas con los ciudadanos y empresas. Así, afirma que aporta grandes beneficios como dotar a los servicios de mayor transparencia y seguridad, reducir los costes de las transacciones e impulsar una participación más activa en las decisiones de las autoridades garantizando la identidad digital y el anonimato.

Ver noticia original en La Vanguardia

Inteligencia artificial en el proceso de diagnóstico del cáncer de próstata

Investigadores de la UMU colaboran en este estudio sobre una enfermedad cuyo diagnóstico, hasta ahora, solo se alcanzaba mediante una biopsia
Investigadores del Departamento de Ingeniería y Tecnología de Computadores y de Anatomía Patológica de la Universidad de Murcia (UMU) han iniciado una colaboración para aplicar los avances de la inteligencia artificial (IA) al diagnóstico de posibles casos de cáncer de próstata, uno de los más extendidos en la población masculina, según informaron fuentes de la institución docente en un comunicado.

En el campo de la informática, la inteligencia computacional permanece en auge constante. La aplicación de redes neuronales en los ordenadores, inspiradas en el funcionamiento del cerebro, están siendo aplicadas para ser capaces de reconocer y aprender determinados patrones. Grandes empresas como Google las integran en sus servicios para el reconocimiento de voz, la traducción de voz, el reconocimiento de texto y, desde sus inicios, han sido aplicadas a la identificación de imágenes.

Su campo de actuación ha seguido ampliándose en los últimos años, extendiéndose al mundo de la salud, donde se estudia su implantación como herramienta de diagnóstico por imagen. Ante este hecho, los profesores de la UMU, José Manuel García Carrasco y Enrique Poblet, han encontrado un hueco para aplicar sus estudios a la ciudadanía, a través del Hospital General Universitario Reina Sofía.

Hasta este momento, tal y como recalca el doctor Enrique Poblet, el diagnóstico actual en Medicina se ha basado en la observación de imágenes analógicas a través de microscopio. Así, los expertos analizan a base de técnicas microscópicas si en el paciente sufre cáncer. Hasta ahora, la única forma de llegar a un diagnóstico certero era a través de la biopsia, es decir, del análisis de un pequeño fragmento de tejido dañado.

«Las muestras las analizamos por métodos visuales estándares, con los parámetros que podemos emplear para reconocer personas o distinguir una cara de otra. Al aplicar el nuevo sistema queremos ganar precisión, tiempo y efectividad mediante métodos más cuantitativos, porque cualitativamente nos podemos equivocar, podemos creer que dos personas son idénticas, pero si incorporamos métodos técnicos, y aquí entra la informática, el reconocimiento será más rápido y mejor», confirma el patólogo.

Para comenzar esta investigación se analizarán aproximadamente 500 biopsias, que tal y como confirma Poblet, «hoy por hoy son la única forma de estar seguros que una persona tiene la enfermedad». A partir de las digitalización de estas imágenes analógicas el reto está en procesarlas mediante esta técnica novedosa. Una vez digitalizadas, entra en juego el papel de García Carrasco.

Es el momento de que el ordenador a través de una red neuronal artificial sea capaz de aprender a detectar los tumores, es decir, mediante técnicas de deep learning o ‘aprendizaje profundo’ sea capaz de reconocer las características significativas que determinan la enfermedad.

A través de esta técnica, relacionada con la inteligencia artificial, no se le proporcionará al ordenador qué particularidades se distinguen, sino que «a base de introducir un gran número de muestras», la propia máquina alcanza un proceso de abstracción, al igual que los humanos, para determinar el diagnóstico de la enfermedad.

«Dejamos que lo aprenda por sí mismo. El ordenador no está cansado, no le duele la cabeza y es mucho más rápido. Es cierto que el proceso de aprendizaje es mucho más lento, puede tardar a veces una semana o quince días, pero podemos llegar a obtener una precisión de un 90 o un 95%» resalta José Manuel García. Actualmente en el campo médico se han alcanzado resultados por encima del 80%, y en otro tipos de imágenes no médicas se ha superado la capacidad de los humanos, con un ratio del 95%.

«Es necesario tener primero un diagnóstico correcto y exacto, de esa forma los tratamientos siempre son más efectivos. Es decir, aumentar la precisión en el diagnóstico es fundamental. A partir de esta innovación se podrá incluso buscar tratamientos personalizados, adaptados a cada persona según el tamaño o tipo de tumor. En nuestro caso concreto, a través de esta colaboración inicial, estamos analizando el cáncer de próstata, con la idea de mejorar nuestra capacidad diagnóstica» explica Poblet.

El primer objetivo de esta simbiosis es la creación de un grupo de investigación interesado en el diagnóstico de la imagen, unido en el esfuerzo para seguir avanzando en este camino. Por ahora, el trabajo, que se ha iniciado este último año, ha comenzado con la colaboración a través de los alumnos de ambas facultades que van a realizar sus Trabajos de Fin de Grado (TFG) mediante esta colaboración. Durante los próximos meses obtendrá los primeros resultados que ya se encuentran puliendo y depurando.

Fte.: La opinión de Murcia