«El 'deep learning' podría detectar si una persona está infectada de COVID-19 con una grabación de su propia tos»

 

Detectar la infección por coronavirus grabando uno mismo su tos o mejorar el diagnóstico del cáncer de pulmón son algunos de los avances que se presentaron el pasado diciembre en el tercer congreso Deep Learning Barcelona. Coorganizado por la Universitat Oberta de Catalunya (UOC), este simposio científico internacional ha congregado a investigadores e investigadoras de varias disciplinas relacionadas con el deep learning (aprendizaje profundo), uno de los campos más innovadores de la inteligencia artificial (IA). Con una sesión especial dedicada a las ciencias de la vida, la convención presentó avances sobre nuevos fármacos, diagnósticos médicos, genómica, nutrición, detección de la COVID-19 y en imagen médica. Carles Ventura, profesor e investigador del grupo Artificial Intelligence for Human Well-being (AIWELL, antes SUNAI), adscrito a los Estudios de Informática, Multimedia y Telecomunicación y al eHealth Center de la UOC, explica algunos de los aspectos más destacados de este congreso internacional.

 

Detectar la infección por coronavirus grabando uno mismo su tos o mejorar el diagnóstico del cáncer de pulmón son algunos de los avances que se presentaron el pasado diciembre en el tercer congreso Deep Learning Barcelona. Coorganizado por la Universitat Oberta de Catalunya (UOC), este simposio científico internacional ha congregado a investigadores e investigadoras de varias disciplinas relacionadas con el deep learning (aprendizaje profundo), uno de los campos más innovadores de la inteligencia artificial (IA). Con una sesión especial dedicada a las ciencias de la vida, la convención presentó avances sobre nuevos fármacos, diagnósticos médicos, genómica, nutrición, detección de la COVID-19 y en imagen médica. Carles Ventura, profesor e investigador del grupo Artificial Intelligence for Human Well-being (AIWELL, antes SUNAI), adscrito a los Estudios de Informática, Multimedia y Telecomunicación y al eHealth Center de la UOC, explica algunos de los aspectos más destacados de este congreso internacional.

Es una evolución de los modelos de aprendizaje de la tecnología basados en redes neuronales. La revolución más importante es que ha supuesto la posibilidad de construir modelos más complejos y que se puede entrenar la tecnología para que aprenda de forma mucho más eficiente. Mientras que los algoritmos clásicos de aprendizaje automático se basaban en características definidas manualmente, los modelos actuales aprenden directamente de los datos. Los propios modelos son capaces de aprender cuáles son las características más relevantes que les permiten abordar el problema en cuestión.

Son muchas las aplicaciones que pueden tener en nuestra vida cotidiana: desde una cámara instalada en un coche con un modelo de reconocimiento de objetos integrado para reducir el número de accidentes hasta la reducción del ruido ambiente en una conversación de videollamada, que se ha hecho imprescindible en nuestro día a día laboral.

El investigador Miguel Ángel González Ballester, de la Universidad Pompeu Fabra, presentó un modelo que permite reidentificar nódulos de cáncer de pulmón en imágenes tomadas en distintos instantes de tiempo (lo que se conoce como datos longitudinales) sin necesidad de registrar las imágenes. El registro de imágenes es un proceso tedioso que consiste en que imágenes tomadas de un mismo paciente en distintos instantes de tiempo no suelen estar alineadas (no se han tomado exactamente del mismo sitio) y suele ser necesario realizar este proceso de registro de las imágenes.

También quiero destacar otro trabajo, en el campo de la COVID-19, presentado por Adrià Mallol-Ragolta, de la Universidad de Augsburgo, en el que se presenta un modelo que detecta si una persona está infectada o no de COVID-19 mediante una grabación de su propia tos. A partir de un modelo entrenado con unos datos de audio consistente en muestras de tos de distintas personas y unas etiquetas que indican si están o no infectadas de COVID, permite que cualquier persona pueda usar este modelo y simplemente grabando su tos tener una predicción sobre si está o no infectada.

Cada vez se está haciendo más divulgación en todos los ámbitos, tanto en los medios de comunicación como en el campo educativo. Pero aún queda mucho terreno por recorrer en este sentido. Creo que es muy importante que la IA se vaya introduciendo en los temarios de los niveles de educación obligatoria, ya que es una tecnología que nos afectará a todos como sociedad. También es muy importante formar a los científicos para que desarrollen estas aplicaciones de IA en aspectos éticos.

Hoy en día supera al cerebro humano en tareas muy específicas para las que se ha entrenado un modelo en concreto, pero aún hay mucho camino por delante para conseguir lo que se llama "una inteligencia artificial general", es decir, un sistema que sea capaz de razonar como lo podría hacer una persona. Por ejemplo, los bots conversacionales funcionan bien en dominios específicos, como la atención al cliente de una empresa. Pero diseñar un asistente virtual para una conversación informal es más complicado.

Tenemos una situación privilegiada en el sur de Europa, donde cada vez más empresas se están estableciendo, y la formación universitaria que tenemos es muy buena. Es una lástima que muchos de los mejores estudiantes de aquí continúen su investigación en otras partes del mundo, donde están mejor valorados económicamente. Pero el congreso es una oportunidad para acercarlos un poco a la ciudad donde se formaron y tener un impacto a escala local entre los investigadores que hemos decidido quedarnos y los estudiantes que estamos formando. Esperamos que cada vez los estudiantes tengan mejores oportunidades aquí y puedan quedarse si así lo desean, y también que aquellos que decidieron irse en los inicios de sus carreras de investigación tengan la oportunidad de volver. Ya tenemos grupos de investigación de empresas importantes como Amazon, y otras empresas como Apple, Meta (antiguamente Facebook) o Microsoft también se están abriendo camino.

Un trabajo realizado en nuestro grupo y presentado en este simposio ha sido la predicción de situaciones de estrés de un conductor a partir de un análisis automático de la escena. Además, tenemos líneas de investigación sobre computación afectiva, en la que ahora iniciaremos un proyecto para acompañar a las personas de edad avanzada que viven solas, y lo haremos también con una perspectiva emocional, con un módulo que sea capaz de entender cómo se siente la persona y ayudarla a mejorar su bienestar.

 

UOC R&I

La investigación e innovación (RI) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de la tecnología y las ciencias humanas y sociales, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital. Los más de 500 investigadores e investigadoras y los 52 grupos de investigación se articulan en torno a los siete estudios de la UOC y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (eHC).

La Universidad impulsa también la innovación en el aprendizaje digital a través del eLearning Innovation Center (eLinC) y la transferencia de conocimiento y el emprendimiento de la comunidad UOC con la plataforma Hubbik.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu #25añosUOC