Una tesis de la UR desarrolla herramientas para fomentar la inteligencia artificial en Biomedicina

Una tesis doctoral elaborada en la Universidad de La Rioja ha estudiado e identificado los desafíos relacionados con la inteligencia artificial y el aprendizaje profundo para su aplicación y democratización, desarrollando técnicas y herramientas para mitigarlos en procesos de análisis y clasificación de imágenes que han sido utilizadas para abordar dos problemas biomédicos reales.

Las herramientas se han empleado en la medición de la propagación de bacterias en imágenes de motilidad (la capacidad de moverse de manera independientemente) y la detección de enfermedades de la membrana epirretiniana (desarrollo de una membrana en la zona central de la retina -mácula- que provoca una disminución de visión y deformación de las imágenes) a partir de fotografías de fondo de ojo.

Ese es el resultado de la tesis doctoral ‘Simplifying the usage and construction of deep image classification model’ de Adrián Inés Armas, desarrollada en el departamento de Matemáticas y Computación -en el marco del programa de doctorado 782D, Doctorado en Matemáticas y Computación (Real Decreto 99/2011)-, dirigida por los profesores de la Universidad de La Rioja Julio Rubio García y Jónathan Heras Vicente y con la que ha logrado la calificación de sobresaliente cum laude con mención internacional.

En los últimos años, la inteligencia artificial y el aprendizaje profundo han cobrado gran importancia por el aumento de la capacidad de procesamiento, la dixsponibilidad de una gran cantidad de datos y el surgimiento de aplicaciones de código abierto que permiten su uso de manera sencilla y libre, lo que ha alumbrado grandes avances en campos como la seguridad, la medicina o la biología.

En todo caso, estas técnicas requieren una gran cantidad de recursos computacionales, un elevado volumen de datos anotados, algo que en áreas como la medicina o la biología puede ser difícil de conseguir, y contar con un conocimiento experto de las técnicas tanto para construir modelos de aprendizaje profundo como para usarlos.

Ante esos tres desafíos, la tesis doctoral desarrolla técnicas y herramientas para mitigarlos en el contexto de la clasificación de imágenes.

Por un lado, para reducir la cantidad de datos necesarios para usar las técnicas de aprendizaje profundo, la tesis desarrolla un entorno de trabajo (un framework llamado CLoDSA) que permite realizar un aumento de datos para problemas de clasificación, detección y segmentación de imágenes. Además, crea dos algoritmos de aprendizaje semi-supevisado para entrenar modelos de aprendizaje profundo usando datos anotados y sin anotar.

Con el objetivo de democratizar la construcción de modelos, la tesis desarrolla una herramienta (ATLASS) que asiste al usuario en todo el proceso de creación de un modelo de clasificación de imágenes y para democratizar del uso de modelos de aprendizaje profundo, propone soluciones tanto para reducir la cantidad de recursos necesarios para su uso como como para facilitar su manejo.

La investigación de Adrián Inés Armas, que realizó una estancia en la Universität Albert-Ludwigs de Friburgo (Alemania), ha sido parcialmente subvencionada por una beca FPU 16/06903 del Ministerio de Educación y Ciencia MEC del Gobierno de España, el proyecto MTM2017-88804-P del Ministerio de Economía y Competitividad, el proyecto 2017-I-IDD-00018 de la Agencia de Desarrollo Económico de La Rioja, el proyecto PID2020-115225RB-I00 / AEI / 10.13039/501100011033 del Ministerio de Ciencia e Innovación y las becas ATUR18/21, ATUR19/19, ATUR20/15 de la Universidad de La Rioja.