«El 'deep learning' podria detectar si una persona està infectada de COVID-19 amb un enregistrament de la seva pròpia tos»

 

Detectar la infecció per coronavirus enregistrant-se un mateix la tos o millorar el diagnòstic del càncer de pulmó són alguns dels avenços que es van presentar el desembre passat al tercer congrés Deep Learning Barcelona. Coorganitzat per la Universitat Oberta de Catalunya (UOC), aquest simposi científic internacional ha congregat investigadors i investigadores de diverses disciplines relacionades amb el deep learning (aprenentatge profund), un dels camps més innovadors de la intel·ligència artificial (IA). Amb una sessió especial dedicada a les ciències de la vida, la convenció va presentar avenços sobre nous fàrmacs, diagnòstics mèdics, genòmica, nutrició, detecció de la COVID-19 i en imatge mèdica. Carles Ventura, professor i investigador del grup Artificial Intelligence for Human Well-being (AIWELL, abans SUNAI), adscrit als Estudis d'Informàtica, Multimèdia i Telecomunicació i a l'eHealth Center de la UOC, explica alguns dels aspectes més destacats d'aquest congrés internacional.

 

Detectar la infecció per coronavirus enregistrant-se un mateix la tos o millorar el diagnòstic del càncer de pulmó són alguns dels avenços que es van presentar el desembre passat al tercer congrés Deep Learning Barcelona. Coorganitzat per la Universitat Oberta de Catalunya (UOC), aquest simposi científic internacional ha congregat investigadors i investigadores de diverses disciplines relacionades amb el deep learning (aprenentatge profund), un dels camps més innovadors de la intel·ligència artificial (IA). Amb una sessió especial dedicada a les ciències de la vida, la convenció va presentar avenços sobre nous fàrmacs, diagnòstics mèdics, genòmica, nutrició, detecció de la COVID-19 i en imatge mèdica. Carles Ventura, professor i investigador del grup Artificial Intelligence for Human Well-being (AIWELL, abans SUNAI), adscrit als Estudis d'Informàtica, Multimèdia i Telecomunicació i a l'eHealth Center de la UOC, explica alguns dels aspectes més destacats d'aquest congrés internacional.

És una evolució dels models d'aprenentatge de la tecnologia basats en xarxes neuronals. La revolució més important és que ha suposat la possibilitat de construir models més complexos i que es pot entrenar la tecnologia perquè aprengui de manera molt més eficient. Mentre que els algoritmes clàssics d'aprenentatge automàtic es basaven en característiques definides manualment, els models actuals aprenen directament de les dades. Els mateixos models són capaços d'aprendre quines són les característiques més rellevants que els permeten abordar el problema en qüestió.

Són moltes les aplicacions que poden tenir en la nostra vida quotidiana: des d'una càmera instal·lada en un cotxe amb un model de reconeixement d'objectes integrat per reduir el nombre d'accidents fins a la reducció del soroll ambiental en una conversa de videotrucada, que s'ha fet imprescindible en el nostre dia a dia laboral.

L'investigador Miguel Ángel González Ballester, de la Universitat Pompeu Fabra, va presentar un model que permet reidentificar nòduls de càncer de pulmó en imatges preses en diferents instants de temps (el que es coneix com a dades longitudinals) sense necessitat de registrar les imatges. El registre d'imatges és un procés tediós, en el qual les imatges preses d'un mateix pacient en distints moments de temps no solen estar alineades (no s'han pres exactament del mateix lloc), i sol ser necessari fer aquest procés de registrar les imatges.

També vull destacar un altre treball, en el camp de la COVID-19, presentat per Adrià Mallol-Ragolta, de la Universitat d'Augsburg, en què es presenta un model que detecta si una persona està infectada de COVID-19 o no mitjançant un enregistrament de la seva pròpia tos. A partir d'un model entrenat amb unes dades d'àudio consistent en mostres de tos de diferents persones i unes etiquetes que indiquen si estan infectades de COVID o no, permet que qualsevol persona pugui fer servir aquest model i simplement gravant-se la tos tenir una predicció sobre si està infectada o no.

Cada vegada es fa més divulgació en tots els àmbits, tant en els mitjans de comunicació com en el camp educatiu. Però encara queda molt terreny per recórrer en aquest sentit. Crec que és molt important que la IA es vagi introduint en els temaris dels nivells d'educació obligatòria, ja que és una tecnologia que ens afectarà a tots com a societat. També és molt important formar els científics perquè desenvolupin aquestes aplicacions d'IA en aspectes ètics.

Avui dia supera el cervell humà en tasques molt específiques per a les quals s'ha entrenat un model en concret, però encara queda molt de camí per aconseguir el que es diu "una intel·ligència artificial general", és a dir, un sistema que sigui capaç de raonar com ho podria fer una persona. Per exemple, els bots de conversa funcionen bé en dominis específics, com l'atenció al client d'una empresa. Però dissenyar un assistent virtual per a una conversa informal és més complicat.

Tenim una situació privilegiada al sud d'Europa, on cada vegada s'estan establint més empreses, i la formació universitària que tenim és molt bona. És una llàstima que molts dels millors estudiants d'aquí continuïn la seva recerca en altres parts del món, on estan més ben valorats econòmicament. Però el congrés és una oportunitat per acostar-los una mica a la ciutat on es van formar i tenir un impacte local entre els investigadors que hem decidit quedar-nos i els estudiants que formem. Esperem que cada vegada els estudiants tinguin millors oportunitats aquí i s'hi puguin quedar si volen, i també que els que van decidir marxar al començament de les seves carreres de recerca tinguin l'oportunitat de tornar. Ja tenim grups de recerca d'empreses importants com Amazon, i altres empreses com Apple, Meta (antigament Facebook) o Microsoft també s'estan obrint camí.

Un treball fet en el nostre grup i presentat en aquest simposi ha estat la predicció de situacions d'estrès d'un conductor a partir d'una anàlisi automàtica de l'escena. A més, tenim línies de recerca sobre computació afectiva, en què ara iniciarem un projecte per acompanyar les persones d'edat avançada que viuen soles, i també ho farem amb una perspectiva emocional, amb un mòdul que sigui capaç d'entendre com se sent la persona i ajudar-la a millorar el seu benestar.

 

UOC R&I

La recerca i innovació (R+I) de la UOC contribueix a solucionar els reptes a què s'enfronten les societats globals del segle xxi, mitjançant l'estudi de la interacció entre la tecnologia i les ciències humanes i socials, amb un focus específic en la societat xarxa, l'aprenentatge en línia i la salut digital. Els més de 500 investigadors i investigadores i els 52 grups de recerca s'articulen entorn dels set estudis de la UOC i dos centres de recerca: l'Internet Interdisciplinary Institute (IN3) i l'eHealth Center (eHC).

A més, la Universitat impulsa la innovació en l'aprenentatge digital a través de l'eLearning Innovation Center (eLinC) i la transferència de coneixement i l'emprenedoria de la comunitat UOC amb la plataforma Hubbik.

Els objectius de l'Agenda 2030 de desenvolupament sostenible de les Nacions Unides i el coneixement obert són eixos estratègics de la docència, la recerca i la innovació de la UOC.

Més informació: research.uoc.edu #25anysUOC