Charla sobre Inteligencia Artificial aplicada a la sanidad por nuestro Software Engineer Rodrigo Cabello

1. 21.06.2017
Hospitales Inteligentes:
Descubriendo la Sanidad
Digital
Rodrigo Cabello
Beneficios de la Inteligencia
Artificial aplicada a la sanidad
Software Engineer

2. Qué veremos
2
1. Introducción
2. Inteligencia Artificial en la Sanidad
3. Aplicaciones en la Sanidad
4. Referencias

3. Máster en Soft Computing y Sistemas Inteligentes.
Experiencia de más de 8 años en el desarrollo de aplicaciones web.
Apasionado de las nuevas tecnologías y aplicaciones que utilizan
técnicas basadas en Inteligencia Artificial.
Rodrigo Cabello
@plainconcepts 3
@mrcabellom
mrcabello@plainconcepts.com
SOFTWARE ENGINEER

4. 4
Introducción

5. Introducción IA
@plainconcepts 5
• El campo de la inteligencia Artificial imita las
funciones cognitivas del ser humano: “Aprender”
y “Resolver Problemas”.
• Principalmente persigue 2 objetivos:
• Sistemas que piensan y actúan como
humanos.
• Sistemas que piensan y actúan
racionalmente.

6. Introducción IA
@plainconcepts 6
Test de turing
• Propuesto por Alan Turing en 1950.
• Fue diseñado para proporcionar una definición
operacional satisfactoria de inteligencia.
• El test se supera si un humano no puede distinguir si al
otro lado está hablando con otro humano o una
máquina.
• El ordenador debería de contar con la siguientes
capacidades:
• Procesamiento de lenguaje natural.
• Representación del conocimiento.
• Razonamiento automático.
• Machine learning.
• Visión artificial.
• Robótica.

7. Introducción IA
@plainconcepts 7
Grandes hitos
Test Turing superado 2014

8. 8
IA en la Sanidad

9. IA en Sanidad
@plainconcepts 9
• La Inteligencia Artificial puede mejorar en gran medida la prestación de atención al
paciente.
• Principales beneficios de la IA en la Sanidad:
• Diagnósticos rápidos y precisos. • Reducción de costes. • Reducción de errores humanos.
• Atención personalizada.

10. 10
Aplicaciones IA en la Sanidad

11. IA en Sanidad
@plainconcepts 11
Visión Artificial
• Incluye métodos para adquirir, procesar, analizar y
comprender las imágenes con el fin de producir
información que pueda ser tratada por el ordenador.
• Aprendizaje automático (detección de patrones).
• Detección de objetos.
• Aplicaciones
• Análisis predictivo tratamientos.
• Radiología (Computer-aided detection, CAD)
Tomografía aneurisma abdominal

12. IA en Sanidad
@plainconcepts 12
Sistemas expertos
• Sistema computacional que emula la capacidad de
tomar decisiones de un humano experto.
• Sistemas basados en reglas (inferencia).
• Sistemas basados en casos.
• Redes bayesianas.
• Aplicaciones:
• Diagnóstico de enfermedades (diabetes).
• Sugerencias de tratamientos.

13. IA en Sanidad
@plainconcepts 13
Machine Learning
• Rama de la IA cuyo objetivo es desarrollar técnicas que
permitan a los ordenadores aprender de los datos
existentes para prever tendencias, resultados y
comportamientos futuros.
• Clasificación.
• Aprendizaje por refuerzo.
• Aplicaciones:
• Diagnóstico de enfermedades.
• Análisis de Imágenes.
• Extracción de información (HIS).
• Significado semántico.

14. IA en Sanidad
@plainconcepts 14
Planificación
• Rama de la IA cuyo objetivo es realizar un proceso de búsqueda
y construcción de una serie de acciones que permitan alcanzar un
objetivo.
• Tareas (pre-condiciones y post-condiciones).
• Planificación ordenada.
• Redes jerárquicas de tareas (HTN).
• Aplicaciones:
• Planificación tratamientos (guías clínicas)
• Planificación personal sanitario.

15. 15
Demo

16. DEMO
@plainconcepts 16
Escenario tratamiento cáncer
• Diagnóstico del cáncer de mama y generación del
tratamiento.
• Técnicas de Machine Learning y planificación.
• Características análisis predictivo:
• Agrupación de las células.
• Tamaño y forma de las células.
• Adhesión celular.
• Tamaño células epiteliales.
• Núcleos sin citoplasma.
• Estado cromatina.
• Nucleolos normales.
• Mitosis.
Modelo predictivo ML
HIS
Sistema Experto
Guías clínicas
Tratamiento
Algoritmo
Planificación

17. • Juan Fdez-Olivares, Inmaculada Sánchez-Garzón, Arturo González-Ferrer, Juan A. Cózar, Ana Fdez-Teijeiro
Manuel R. Cabello, Luis Castillo: Task Network Based Modeling, Dynamic Generation and Adaptive Execution
of Patient-Tailored Treatment Plans Based on Smart Process Management Technologies. 3th International
Workshop on Knowledge Representation for Health Care (KR4HC'11).
• Hidalgo E., Castillo L., Madrid R.I., García-Pérez Ó., Cabello M.R., Fdez-Olivares J. (2011) ATHENA: Smart
Process Management for Daily Activity Planning for Cognitive Impairment. In: Bravo J., Hervás R., Villarreal V.
(eds) Ambient Assisted Living. IWAAL 2011. Lecture Notes in Computer Science, vol 6693. Springer, Berlin,
Heidelberg.
• Tawfik Saeed Zekia , Mohammad V. Malakootib , Yousef Ataeipoorc , S. Talayeh Tabibid An Expert System for
Diabetes Diagnosis.
• Dr. WIlliam H. Wolberg (physician): Breast Cancer Wisconsin. University of Wisconsin Hospitals.
• Clinical guideline Breast Cancer. Drug Information Center. Jordan University of Science and Technology.
Referencias
@plainconcepts 17

18. ¡GRACIAS!
www.plainconcepts.com
@plainconcepts

19. www.plainconcepts.com
MADRID
Paseo de la Castellana 163, 10º
28046 Madrid. España
T. (+34) 91 5346 836
BILBAO
Calle Ledesma 10-bis 3º
48001 Bilbao. España
T. (+34) 94 6073 371
BARCELONA
Carrer Compte d’Urgell 240 4º 1A
08036 Barcelona. España
T. (+34) 93 7978 566
SEVILLA
Avenida de la innovación s/n
Edificio Renta Sevilla, 3º A
41020 Sevilla. España
DUBAI
Dubai Internet City. Building 1
73030 Dubai. EAU
T. (+971) 4 551 6653
LONDON
Impact Hub Kings Cross
24B York Way, N1 9AB
London. UK
SEATTLE
1511, Third Ave
Seattle WA 98101. USA
T. (+1) 206 708 1285