Lourdes Araujo expón en Ourense o potencial da IA para mellorar a ciencia médica
venres, 5 de marzo do 2021
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.