VOLVER

Share

Un investigador de la Olavide crea una técnica de inteligencia artificial que preserva la privacidad del paciente

El catedrático de Sistemas de la Información e Informática de Gestión de la Universidad Pablo de Olavide, José Luis Salmerón, ha desarrollado una herramienta de aprendizaje automático aplicada al sector sanitario que no comparte datos personales.

Fuente: Universidad Pablo de Olavide


Sevilla |
25 de mayo de 2020

El catedrático de Sistemas de la Información e Informática de Gestión de la Universidad Pablo de Olavide, Dr. José Luis Salmerón, ha creado una herramienta de aprendizaje automático aplicada al sector sanitario que no solo contribuye al diagnóstico y tratamiento de enfermedades, sino que preserva la privacidad de los pacientes al no ser necesario compartir sus datos. Se trata de una herramienta diseñada para enfermos con cáncer y que actualmente el científico de la UPO está adaptando para aplicarla en casos de COVID-19.

El aprendizaje automático o machine learning identifica patrones entre datos de diferente naturaleza y predice comportamientos a través de algoritmos con capacidad de aprender y evolucionar basándose en su propia experiencia. En el ámbito de la salud, se trata de la capacidad que tienen los ordenadores de aprender y llegar a conclusiones, de aportar soluciones a problemas concretos y generar conocimiento a partir de la información proporcionada por ingentes cantidades de datos biológicos.

El investigador de la Universidad Pablo de Olavide José Luis Salmerón

El investigador de la Universidad Pablo de Olavide José Luis Salmerón

“La técnica desarrollada permite que los algoritmos de inteligencia artificial, es decir, el ‘cerebro’ de este software de aprendizaje artificial, aprendan de distintos centros hospitalarios sin necesidad de compartir los datos personales y médicos de los pacientes. Dicho de otra forma, la información que sale de cada centro hospitalario no incluye los datos privados y personales, sino tan solo modelos locales parcialmente entrenados en los que la trazabilidad a pacientes concretos no es posible. Los modelos aprenden de los datos de los pacientes, pero esos datos no se comparten”, explica el catedrático Salmerón.

De esta manera, se preserva la privacidad de los pacientes y se cumplen las limitaciones legales respecto a datos sensibles, a la vez que se obtiene una mayor precisión en el diagnóstico y tratamientos de enfermedades al disponer el sistema de un mayor número de casos para aprender.  “Hay que tener en cuenta que en un solo hospital normalmente no hay un volumen de datos suficiente para que los modelos de inteligencia artificial aprendan y predigan con la precisión requerida. No obstante, con esta técnica, podemos hacer que los modelos de inteligencia artificial aprendan de los datos de muchos hospitales con total seguridad”, aclara José Luis Salmerón.

El catedrático de la UPO José Luis Salmerón tiene una dilatada experiencia en proyectos de inteligencia artificial aplicada a la medicina, principalmente con proyectos de la McGill University, de Montreal, y de la Laval University, de Quebec, como evaluación de diagnóstico de patologías para dar soporte a la atención primaria o medicina intensivista de urgencias.

Jose Luis Salmerón, además de catedrático de Sistemas de la Información e Informática de Gestión, es director del Data Science Lab. Doctor Ingeniero en Informática y Doctor en Ciencias Económicas y Empresariales, colabora con el World Class Center for Analytics de Tessella (Altran group, part of Capgemini), empresa centrada en analítica avanzada e inteligencia artificial como Principal Data Scientist. Además, es investigador asociado senior en la Universidad Autónoma de Chile (Chile).

Cuenta con numerosos proyectos de transferencia tecnológica para empresas sobre Tecnología de la Información, Inteligencia Artificial, Aprendizaje Automático, Deep Learning y Big Data. Está activamente involucrado (como líder y miembro del equipo) en varios proyectos de investigación, financiados por organizaciones nacionales e internacionales, incluido la Unión Europea y programas nacionales de I+D+i. Participa en proyectos profesionales y de la UE, trabajando con el desarrollo de algoritmos inteligentes y nuevas metodologías basadas en soft computing, técnicas de inteligencia artificial para diagnósticos complejos, big data, análisis de datos y soporte a las decisiones.

Asimismo, pertenece al consejo editorial de la revista Applied Soft Computing y es revisor en las principales revistas y conferencias relacionadas con los sistemas inteligentes y los sistemas expertos. Sus trabajos han sido publicados en IEEE Transactions of Fuzzy Systems, IEEE Transactions on Cybernetics, IEEE Transactions on Software Engineering, Expert Systems with Applications, Applied Soft Computing, Neurocomputing, Communications of the ACM, Journal of Systems and Software, Computer Standards & Interfaces, Interacting with Computers y otros. Es vicepresidente de la Asociación Internacional de Sistemas Grises y Análisis Incierto. Miembro vitalicio de ACM, actualmente realiza investigaciones en Deep Learning, eXplainable Artificial Intelligence, Big Data and Federated Learning.


Share

Últimas publicaciones

Desarrollan un mecanismo de depuración para un lenguaje de programación conocido como SPARQL
Almería | 01 de octubre de 2020

El SPARQL es un lenguaje de consulta de bases de datos para la Web Semántica. Un equipo de la Universidad de Almería ha diseñado un depurador para este sistema de programación, que sería en el caso de un idioma, un corrector sintáctico ortográfico que detecta fallos de ortografía o semántico, y en la construcción de las frases.

Sigue leyendo
Investigan cómo mejorar la enseñanza bilingüe en las asignaturas de ciencias en la educación primaria
Granada | 01 de octubre de 2020

El objetivo principal de este estudio europeo, en el que participa la Universidad de Granada, es mejorar las competencias de Aprendizaje Integrado de Contenidos y Lengua Extranjera de los docentes de Educación Primaria así como la de sus formadores considerando como lengua adicional el inglés, el español y el francés.

Sigue leyendo
Prueban la eficacia de una tecnología no invasiva para analizar la calidad de las hortalizas tanto en campo como en la industria
Córdoba | 01 de octubre de 2020

Un equipo de la Universidad de Córdoba propone la utilización de una tecnología no invasiva denominada NIRS, Espectroscopia de Reflectancia en el Infrarrojo Cercano, que presenta unas características óptimas para dar respuesta a las necesidades actuales de control de calidad del sector agroalimentario. Es rápida, precisa, no contaminante, de bajo coste y no destructiva. También se emplea en el ámbito químico, farmacéutico o, incluso, en biomedicina. 

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Este sitio web utiliza cookies para mejorar tu experiencia. Continuando la navegación aceptas su uso. Más información

Los ajustes de cookies de esta web están configurados para "permitir cookies" y así ofrecerte la mejor experiencia de navegación posible. Si sigues utilizando esta web sin cambiar tus ajustes de cookies o haces clic en "Aceptar" estarás dando tu consentimiento a esto.

Cerrar