Inteligencia Artificial aplicada al ámbito de la Salud
Descripción
Esta línea de trabajo se enmarca en el área de la Bioinformática y tiene como finalidad aportar soluciones novedosas a los problemas relacionados con la medicina de precisión además de ofrecer ayuda en la investigación de los mecanismos inherentes a las enfermedades. De este modo, la aplicación de técnicas de IA, más concretamente Machine Learning (ML), y las capacidades de computación existentes al campo de salud permiten obtener generar sistemas de apoyo a los facultativos. Esto facilitaría su labor y mejoraría la calidad de los servicios prestados, redundando en una mayor calidad de vida de los pacientes. Así pues, se pretende aplicar técnicas que han demostrado su validez y eficacia en otros ámbitos como la biometría, el reconocimiento de texto manuscrito, la traducción automática a la salud.
La digitalización de los datos sanitarios, con iniciativas a nivel local (hospital, clínica, etc.), nacional o internacional, está generando una cantidad de datos genéticos, imágenes médicas, datos clínicos, ambientales, moleculares, etc. cada vez mayor. El aprendizaje automático se alimenta de esta profusión de datos descubriendo patrones dentro de ellos. Por lo tanto, es lógico querer aplicar técnicas de ML al ámbito sanitario y el conjunto de aplicaciones que permite la IA sobre salud es muy amplio. Lo anterior explica por qué es una línea de I+D con un desarrollo muy importante en la última década. De todas las posibilidades existentes, PRAIA trabaja eminentemente en el tratamiento y procesamiento de datos mediante Machine Learning en general. La línea se desarrolla a través de una colaboración estrecha con distintos equipos médicos. El equipo médico es el que guía hacia la investigación de una enfermedad determinada usando unos datos concretos, mientras PRAIA investiga las técnicas de ML y las aplica para aportar soluciones a las problemáticas. Se pueden considerar las distintas enfermedades analizadas como casos de uso para implementar un conjunto de servicios predictivos lo más genérico posible; que al mismo tiempo sea capaz de responder a las necesidades de cada enfermedad estudiada, pero que también sea fácilmente extensible a otras enfermedades.
El hecho de disponer del historial anonimizado de datos sanitarios ubica la línea de I+D en el ámbito del aprendizaje automático supervisado. Es decir, se dispone del valor objetivo real (groundtruth) que se quiere predecir. La tendencia en el análisis de datos sanitarios es disponer de pocas observaciones (decenas, centenares) frente a un número importante de variables (centenares, miles y más). Esta situación es un verdadero reto por las razones siguientes:
- Inferir las fronteras de decisión es un gran desafío en espacios de alta dimensionalidad dado que tienden rápidamente a ser muy dispersos y requerir muchas observaciones para poder sacar conclusiones fiables.
- El problema supervisado es posiblemente incompleto: es decir que no se sabe hasta qué punto tenemos los pacientes que tienen la enfermedad por culpa de las variables incluidas en el análisis o por otra razón.
En definitiva, el objetivo de esta línea de I+D es conseguir un mejor conocimiento de los mecanismos subyacentes a las enfermedades y una medicina más centrada en el paciente donde los tratamientos se ajusten a las necesidades de cada uno. Todo ello basado en una estrecha colaboración con distintos equipos médicos y con orientación hacia el desarrollo de funcionalidades o herramientas que les apoye en su trabajo.