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
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.
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.
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.
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
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
Notas del editor
Las técnicas de aprendizaje automático tienen como objetivo conseguir diferenciar automáticamente patrones usando algoritmos matemáticos.
Técnica exploratoria radiográfica que permite obtener imágenes radiológicas de una sección o un plano de un órgano.
Motor de inferencia
Red bayesiana: grafo probabilístico