Conferencia de Directores y Decanos de Ingeniería Informática

Mensajes etiquetados Inteligencia artificial

Un sistema para big data diseñado en Pamplona construye modelos predictivos miles de veces mejores que los actuales

El nuevo algoritmo del ingeniero informático Mikel Elkano Ilintxeta mantiene la precisión con modelos compuestos por apenas una veintena de reglas.

Fte.: Pamplona actual

Mikel Elkano Ilintxeta (Pamplona, 1991), investigador del Instituto de Smart Cities (ISC) de la Universidad Pública de Navarra (UPNA), ha diseñado un nuevo sistema de clasificación basado en reglas difusas (SCBRD) para “big data” (datos masivos), que es capaz de construir modelos predictivos que pueden llegar a ser hasta 200.000 veces más compactos que los generados por los SCBRD disponibles hasta la fecha, manteniendo, además, la precisión en las predicciones.

“El SCBRD más preciso hasta la fecha requería entre cinco y seis millones de reglas para lograr predicciones precisas, haciendo prácticamente imposible que el usuario pudiese interpretar las predicciones. Con este nuevo algoritmo o herramienta matemática, es posible mantener la precisión con modelos compuestos por apenas entre veinte y treinta reglas fácilmente interpretables”, explica el investigador, cuyo trabajo forma parte de su tesis doctoral leída en la institución académica y calificada con sobresaliente “cum laude”. Este avance en el campo de la Inteligencia Artificial (y, más concretamente, en la Ciencia de Datos) puede ser aplicado en diversos campos, como en la medicina, ya que ayudará a los profesionales sanitarios a tomar decisiones basándose en los miles de datos recogidos en historiales clínicos, y también en la física. Así, gracias a los modelos obtenidos, el también investigador de Navarrabiomed (centro mixto de investigación biomédica de la institución académica y el Gobierno de Navarra) ha sido capaz de “extraer las variables más importantes a la hora de identificar bosones de Higgs y partículas supersimétricas, si bien la precisión de los SCBRD no alcanza todavía la de otros modelos predictivos no interpretables”.

Los sistemas de clasificación basados en reglas difusas (SCBRD) proporcionan un modelo formado por una serie de reglas que contienen etiquetas lingüísticas interpretables por el ser humano, lo que les permite explicar el razonamiento llevado a cabo al realizar una predicción. Este tipo de reglas posibilita a los SCBRD no solo explicar el porqué de las predicciones, sino también manejar la incertidumbre proveniente de información imprecisa. De ahí su importancia.

INTERPRETACIÓN DE LAS PREDICCIONES

Como señala Mikel Elkano Ilintxeta, “en la actualidad, la ingente cantidad de información producida y gestionada por el ser humano excede la capacidad de cómputo y almacenamiento de las máquinas convencionales modernas”. “En el caso de los SCBRD diseñados para ‘big data’, además de la dificultad añadida de la computación distribuida, la gran cantidad de datos que debe procesarse hace que los modelos predictivos obtenidos sean demasiado complejos y contengan un número excesivamente elevado de reglas, lo que hace que las predicciones sean más difíciles de comprender e interpretar”, indica Mikel Elkano Ilintxeta, cuya tesis doctoral ha sido dirigida por Edurne Barrenechea Tartas y Mikel Galar Idoate, investigadores del Instituto ISC de la UPNA y de Navarrabiomed.

El algoritmo recogido en la tesis doctoral “reduce considerablemente el número de reglas y esta circunstancia favorece su empleo, por ejemplo, en medicina, para ayudar a los especialistas a tomar decisiones basándose en historiales clínicos”. “Dado que cada vez disponemos de más información acerca de los pacientes, el uso de algoritmos de aprendizaje automático permite aprovechar todos estos datos para poder detectar patrones existentes entre diferentes pacientes y extraer las variables más influyentes a la hora de predecir una cierta patología”, concluye el investigador.

BREVE CURRÍCULUM

Mikel Elkano Ilintxeta cursó, sucesivamente, Ingeniería Técnica en Informática de Gestión e Ingeniería Informática en la Universidad Pública de Navarra. Con esta última titulación obtuvo el Premio al Mejor Proyecto Fin de Carrera por la Asociación Española para la Inteligencia Artificial (AEPIA) en la Escuela de Verano de Inteligencia Artificial de 2014. Posteriormente, completó su formación con un Máster en Psicobiología y Neurociencia Cognitiva en la Universidad Autónoma de Barcelona (2015) y una estancia de investigación en Monash University (Melbourne, Australia) en 2016 para trabajar en el campo de la neurociencia computacional. Sus investigaciones se han reflejado en nueve artículos publicados en revistas científicas de alto impacto y en la presentación de siete trabajos en congresos internacionales.

Noticia completa aquí

La profesora Emilia López Iñesta recibe el premio Marc Esteva Vivanco a la mejor tesis doctoral en Inteligencia Artificial

La Dra. Emilia López Iñesta ha sido la primera mujer al recibir el premio Marc Esteva Vivanco a la mejor tesis doctoral en Inteligencia Artificial por su trabajo doctoral desarrollado al Departamento de Informática de la Escola Tècnica Superior d’Enginyeria de la Universitat de València (ETSE-UV). Actualmente, Emilia es profesora del Departamento de Didáctica de la Matemática de la Facultad de Magisterio de la Universitat de València.

La tesis doctoral recibió la calificación de Sobresaliente Cum Laude, tiene Mención Internacional y fue dirigida por los profesores Miguel Arevalillo Herráez y Francisco Grimaldo Moreno en el programa de doctorado “Tecnologías de la Información, Comunicaciones y Computación”.

Su trabajo titulado “Aprendizaje de similitudes entre pares de objetos mediante clasificación supervisada” ha sido evaluado en función de su calidad y relevancia de la investigación y ha recibido este galardón otorgado por la Associació Catalana d’Intel·ligència Artificial durante la celebración del XXI Congreso Internacional en Inteligencia Artificial en octubre de 2018.

La tesis propone un método que, mediante técnicas de aprendizaje máquina, proporciona un ranking de pares de objetos basado en su similitud que se puede emplear para recuperar información en buscadores de Internet o en aplicaciones como por ejemplo Spotify, Youtube o sistemas de recomendación como los que utilizan las plataformas Amazon o Netflix.

El documento de la tesis se puede consultar al repositorio Roderic de la Universitat de València: http://roderic.uv.es/handle/10550/61001

Fte.: Universitat de València

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