Lourdes Araujo expón en Ourense o potencial da IA para mellorar a ciencia médica

A investigadora Lourdes Araujo, catedrática da UNED, achegou este venres un seminario tecnolóxico dende o Centro de Intelixencia Artificial de Ourense. Na súa intervención puxo o foco en como os sistemas tecnolóxicos con capacidade de avaliar información a gran escala poden abrir os horizontes da ciencia médica, ao ter marxe de acción para permitir a análise de documentos de dominio médico e extraer claves e conclusións de valor.
Lourdes Araujo abriu co seu relatorio a segunda fase do Seminario de IA da UNED, ao abeiro do ciclo Os Venres con IA do Centro de Intelixencia Artificial de Ourense.
A investigadora percorreu algunhas das moitas aplicacións que teñen as técnicas de Procesamento de Linguaxe Natural para mellorar os procesos de obtención de información médica.
“Trátase”, dixo, “de facer que a comunicación cos computadores sexa o máis cómoda posíbel para os profesionais do sector, así como de aproveitar ao máximo información que se atopa nas enormes cantidades de documentos existentes”.
A relatora puxo o exemplo dun informe médico que di: “Paciente home de 86 anos con antecedentes de TBC pulmonar, refire F non cuantificada desde hai dúas semanas, así como tose esporádica produtiva e perda de peso”. De aquí, dixo, procésase a información para quedar estruturada do seguinte modo:
- Documento: Informe de urxencias
- Sexo: Home
- Idade: 86
- Antecedentes: tuberculose pulmonar
- Síntomas:
Febre non cuantificada
Tose esporádica produtiva
Perda de peso
- Tempo: dous semanas
Segundo fixo saber, a notación de conceptos e a asignación de códigos faise na maior parte dos casos manualmente en hospitais, polos propios médicos ou por expertos na anotación. “Estas codificacións son fundamentais para dispor dunha linguaxe común entre o hospital, as institucións, a investigación, o centro de saúde e o paciente”, explicou, engadindo que en base a isto, “as técnicas de extracción de información poden ser de gran axuda para facilitar os procesos de codificación que á súa vez son fundamentais para cruzar información e explotala axeitadamente”.
Falou tamén a relatora da importancia das campañas de avaliación e das coleccións de datos de referencia ou corpus, “que permiten avaliar os sistemas e comparalos de forma xusta, o que é fundamental para o avance da área”.
Asemade, salientou a compilación de textos en formato electrónico para avaliar sistemas, como “marco común para comparar técnicas alternativas e co obxectivo de adestrar os sistemas de aprendizaxe automática supervisados”.
Desafíos
Entre os retos principais da extracción de datos da documentación médica a relatora mencionou dispor de sistemas de axuda ao diagnóstico fiábeis, explicativos (deben explicar en que se basean as súas recomendacións), xeneralizábeis, eficientes en tempo real e doados de actualizar. Eses sistemas, segundo expuxo a catedrática da UNED, requiren recursos de extracción de información precisos, sistemas de anonimización e ferramentas que manexen eficientemente grandes volumes de datos. Tamén mencionou sistemas para facer a información accesíbel (é dicir, información clara para os pacientes) e sacou a colación o problema da detección de noticias falsas, “que pode ser moi grave no dominio médico”.
Este seminario de IA da UNED contou co patrocinio do Vicerreitorado de Investigación e Transferencia do Coñecemento e Divulgación Científica da Universidade.
A vindeira cita será o venres, 12 de marzo, co profesor da UNED, doutor David Moreno Salinas, que falará de Intelixencia Artificial e ciencia de datos para identificar e modelar vehículos autónomos.