CA | ES | EN
IA per a la salut

 

La recerca sobre IA i salut té com a objectiu aplicar algunes de les tècniques de IA de l'IIIA al camp de l'atenció mèdica. Específicament, se centra en el disseny d'algorismes nous per a proporcionar solucions capaces d'incorporar capacitats descriptives, diagnòstiques, predictives i prescriptives avançades als Sistemes de Suport a la presa de decisions Clíniques (CDSS)

Contacte: Eva Armengol


La tendència actual d'avançar cap a una medicina més Predictiva, Preventiva, Personalitzada i Participativa, coneguda com a Medicina 4P, està canviant el paradigma assistencial. Les tecnologies digitals estan jugant un paper important en aquest paradigma 4P generant un volum i varietat d'informació mai abans vista. La Intel·ligència Artificial està contribuint proporcionant eines per a la gestió i explotació d'aquesta ingent quantitat de dades.

La prescripció de tractaments altament personalitzats augmenta la complexitat dels coneixements i decisions a considerar. La intel·ligència artificial i l'aprenentatge automàtic tenen com a objectiu desenvolupar sistemes innovadors de suport a la presa de decisions per a accelerar el descobriment i la consolidació de noves proves.)

Anàlisi de sèries temporals

Moltes fonts d'informació en salut tenen una dimensió temporal. L'explosió de sensors biomètrics i dispositius portàtils és un exemple de la seva rellevància i també de la seva naturalesa sorollosa. Proporcionar algorismes robustos i eficients per a manejar aquesta quantitat de dades és un desafiament en el qual estem centrats actualment.

Aprenentatge Profund

L'aprenentatge profund permet que els models computacionals que es componen de múltiples capes de processament aprenguin representacions de dades amb múltiples nivells d'abstracció. Aquests mètodes han millorat dràsticament l'estat de l'art en el reconeixement de veu, el reconeixement d'objectes visuals, la detecció d'objectes i molts altres dominis, com el descobriment de fàrmacs i la genòmica.

Raonament Basat en Casos

Els sistemes CBR són capaços de resoldre problemes nous utilitzant el coneixement del domini i l'experiència adquirida en la resolució de problemes precedents (casos). CBR és una metodologia poderosa que permet la creació de prototips incrementals i cicles de disseny curts. El nostre grup és un referent internacional en CBR amb contribucions d'alt impacte tant en recerca com en aplicacions.

Models Gràfics Probabilistes

Els models gràfics probabilístics són un marc poderós per a representar dominis complexos utilitzant distribucions de probabilitat, amb nombroses aplicacions en l'aprenentatge automàtic, la visió per computador, el processament de llenguatge natural i la biologia computacional. Els models gràfics reuneixen la teoria de grafs i la teoria de la probabilitat, i proporcionen un marc flexible per a modelar grans col·leccions de variables aleatòries amb interaccions complexes.

Raonament Causal

Distingir entre co-ocurrència i causalitat és un dels principals desafiaments en l'atenció mèdica. Determinar relacions causals i dissenyar models causals robustos a partir de dades generalment requereix la combinació de fonts de dades múltiples i heterogènies. La nostra recerca s'ha explotat en projectes de transferència de tecnologia.

Aprenentatge 
Semisupervisado

Una de les principals característiques dels conjunts de dades sanitàries és que solen estar parcialment anotats. Anotar i seleccionar la informació és un dels aspectes clau per a obtenir conjunts de dades d'alta qualitat. Aquesta tasca requereix un esforç titànic i fàcilment es torna inassequible. Les tècniques semisupervisadas se centren en minimitzar la quantitat d'informació etiquetada, és a dir, els recursos d'experts, al mateix temps que maximitzen els models generats.

Explicabilitat,
Confiança i Responsabilitat

L'adopció d'algorismes complexos de IA/ML per a prendre decisions crítiques xoca amb el requisit de comprendre ​per què aquests sistemes recomanen les seves decisions, quina és la seva solidesa i les conseqüències ètiques d'aquestes decisions. Aquests sistemes no tindran èxit en l'àrea de la salut si no incorporen capacitats d'explicabilidad.

Eva Armengol
Tenured Scientist
Phone Ext. 431851

Georgios Athanasiou
PhD Student
Phone Ext. 431833

Jesus Cerquides
Scientific Researcher
Phone Ext. 431816

Núria Correa
Industrial PhD Student
Phone Ext. 431833

Lissette Lemus del Cueto
Contract Engineer
Phone Ext. 431823

Borja Velasco
Industrial PhD Student
Phone Ext. 431866

2022
Georgios Athanasiou,  Jesus Cerquides,  Annelies Raes,  Nima Azari-Dolatabad,  Daniel Angel-Velez,  Ann Van Soom,  & Josep Lluis Arcos (2022). Detecting the Area of Bovine Cumulus Oocyte Complexes Using Deep Learning and Semantic Segmentation. A. Cortés al. (Eds.), Frontiers in Artificial Intelligence and Applications (pp 249-258). IOS Press. https://doi.org/10.3233/FAIA220346. [BibTeX]
Borja Velasco,  Jesus Cerquides,  & Josep Lluis Arcos (2022). Hydranet: A Neural Network for the estimation of Multi-valued Treatment Effects. NeurIPS 2022 Workshop on Causality for Real-world Impact . [BibTeX]  [PDF]
Borja Velasco,  Jose L Fernandez-Marquez,  Nerea Luqui,  Jesus Cerquides,  Josep Lluis Arcos,  Analia Fukelman,  & Josep Perelló (2022). Is the phase of the menstrual cycle relevant when getting the covid-19 vaccine?. American Journal of Obstetrics & Gynecology. [BibTeX]  [PDF]
Jerónimo Hernández-González,  Olga Valls,  Adrián Torres-Martín,  & Jesús Cerquides (2022). Modeling three sources of uncertainty in assisted reproductive technologies with probabilistic graphical models. Computers in Biology and Medicine, 150, 106160. https://doi.org/10.1016/j.compbiomed.2022.106160. [BibTeX]  [PDF]
Nuria Correa,  Jesús Cerquides,  Josep Lluis Arcos,  & Rita Vassena (2022). Supporting first FSH dosage for ovarian stimulation with machine learning. Reproductive Biomedicine Online. https://doi.org/10.1016/j.rbmo.2022.06.010. [BibTeX]
2021
Emma Segura,  Jennifer Grau-Sánchez,  David Sanchez-Pinsach,  Myriam De-la-Cruz,  Esther Duarte,  Josep Lluis Arcos,  & Antoni Rodríguez-Fornells (2021). Designing an app for home-based enriched Music-supported Therapy in the rehabilitation of patients with chronic stroke: a pilot feasibility study. Brain Injury, 35, 1585-1597. https://doi.org/10.1080/02699052.2021.1975819. [BibTeX]
Núria Correa,  Jesús Cerquides,  Josep Lluis Arcos,  & Rita Vassena (2021). Development and validation of an Artificial Intelligence algorithm that matches a clinician ability to select the best follitropin dose for ovarian stimulation. Human Reproduction, 36. https://doi.org/10.1093/humrep/deab130.636. [BibTeX]
Jennifer Grau-Sánchez,  Emma Segura,  David Sanchez-Pinsach,  Preeti Raghavan,  Thomas F. Münte,  Anna Marie Palumbo,  Alan Turry,  Esther Duarte,  Särkämö Särkämö,  Jesus Cerquides,  Josep Lluis Arcos,  & Antoni Rodriguez-Fornells (2021). Enriched Music-supported Therapy for chronic stroke patients: a study protocol of a randomised controlled trial. BMC Neurology, 21. https://doi.org/10.1186/s12883-020-02019-1. [BibTeX]  [PDF]
Emma Segura,  Jennifer Grau-Sánchez,  David Sanchez-Pinsach,  Esther Duarte,  Josep Lluis Arcos,  & Antoni Rodríguez-Fornells (2021). Enriched music-supported therapy in the improvement of motor function and quality of life of chronic stroke patients: a pilot study. NeuroMusic VII . [BibTeX]
Núria Correa,  Rita Vassena,  Jesus Cerquides,  & Josep Lluis Arcos (2021). Limits of conventional Machine Learning methods to predict pregnancy and multiple pregnancy after embryo transfer. Ada Valls, & Mateu Villaret (Eds.), Frontiers in Artificial Intelligence and Applications (pp 245-253). IOS Press. [BibTeX]
Adri{\'{a}}n Torres{-}Mart{í}n,  Jer{\'{o}}nimo Hern{\'{a}}ndez{-}Gonz{\'{a}}lez,  & Jes{\'{u}}s Cerquides (2021). Validation on Real Data of an Extended Embryo-Uterine Probabilistic Graphical Model for Embryo Selection. Mateu Villaret, Teresa Alsinet, C{\\`{e}}sar Fern{\\'{a}}ndez, & A{\\"{\\i}}da Valls (Eds.), Artificial Intelligence Research and Development - Proceedings of the 23rd International Conference of the Catalan Association for Artificial Intelligence, {CCIA}2021, Virtual Event, 20-22 October, 2021 (pp. 225--234). {IOS}Press. https://doi.org/10.3233/FAIA210139. [BibTeX]  [PDF]
2020
Oguz Mulayim,  & Josep Lluis Arcos (2020). Fast anytime retrieval with confidence in large-scale temporal case bases. Knowledge-Based Systems, 206, 106374. https://doi.org/10.1016/j.knosys.2020.106374. [BibTeX]  [PDF]
2019
David Sanchez-Pinsach,  Oguz Mulayim,  Jennifer Grau-Sánchez,  Emma Segura,  Berta Juan-Corbella,  Josep Lluis Arcos,  Jesus Cerquides,  Monique Messaggi-Sartor,  Esther Duarte,  & Antoni Rodriguez-Fornells (2019). Design of an AI Platform to Support Home-Based Self-Training Music Interventions for Chronic Stroke Patients. Jordi Sabater-Mir, Vicenç Torra, Isabel Aguilo, & Manuel González-Hidalgo (Eds.), Frontiers in Artificial Intelligence and Applications (pp 170--175). IOS Press. https://doi.org/10.3233/FAIA190120. [BibTeX]
2018
Oguz Mulayim,  & Josep Lluis Arcos (2018). Perks of Being Lazy: Boosting Retrieval Performance. Twenty-Sixth International Conference on Case-Based Reasoning . https://doi.org/10.1007/978-3-030-01081-2_21. [BibTeX]
2017
E. Ros-Cucurull,  A. Xicola,  R.F. Palma-Álvarez,  Arturo Ribes,  L. Grau-López,  Lissette Lemus,  Josep Lluis Arcos,  & C. Roncero (2017). Electrodermal activity monitoring on inpatient detoxification unit. 30th ECNP Congress . [BibTeX]
Martin Nettling,  Henrik Treutler,  Jesús Cerquides,  & Ivo Grosse (2017). Unrealistic phylogenetic trees may improve phylogenetic footprinting. Bioinformatics. [BibTeX]
David Sanchez-Pinsach,  Josep Lluis Arcos,  Sara Laxe,  Montserrat Bernabeu,  & Josep Maria Tormos (2017). Using community detection techniques to disc over non-explicit relationships in neurorehabilitation treatments. 20th International Conference of the Catalan Association for Artificial Intelligence (pp. 26-35). IOS Press. https://doi.org/10.3233/978-1-61499-806-8-26. [BibTeX]
2016
Martin Nettling,  Hendrik Treutler,  Jesús Cerquides,  & Ivo Grosse (2016). Detecting and correcting the binding-affinity bias in ChIP-seq data using inter-species information. BMC Genomics, 17, 347. https://doi.org/10.1186/s12864-016-2682-6. [BibTeX]
2013
Joan Serrà,  Josep Lluis Arcos,  Alejandro Garcia-Rudolph,  Alberto García-Molina,  Teresa Roig,  & Josep Maria Tormos (2013). Cognitive prognosis of acquired brain injury patients using machine learning techniques. Int. Conf. on Advanced Cognitive Technologies and Applications (COGNITIVE) (pp. 108-113). IARIA. [BibTeX]  [PDF]
2012
Josep Blat,  Josep Lluis Arcos,  & Sergio Sayago (2012). WorthPlay: juegos digitales para un envejecimiento saludable. LYCHNOS, 8. https://doi.org/http://www.fgcsic.es/lychnos/es_es/articulos/WorthPlay-juegos-digitales-para-un-envejecimiento-activo-y-saludable. [BibTeX]
2011
Eva Armengol (2011). Classification of Melanomas in situ using Knowledge Discovery with Explained CBR. Artificial Intelligence in Medicine, 51, 12. [BibTeX]  [PDF]
Eva Armengol,  Pilar Dellunde,  & Carlo Ratto (2011). Lazy Learning Methods for Quality of Life Assessment in people with intellectual disabilities. CCIA-2011 (pp. 41-50). IOS Press. [BibTeX]
2009
Eva Armengol (2009). Using explanations for determining carcinogenecity in chemical compounds. International Journal on Engineering Applications of Artificial Intelligence, 22, 8. [BibTeX]
2008
Albert Fornells,  Eva Armengol,  Elisabet Golobardes,  Susana Puig,  & Josep Malvehy (2008). Experiences using clustering and generizations for knowledge discovery in melanomas domain. P. Perner (Eds.), Lecture Notes in Computer Science . Springer. [BibTeX]
2001
A. Palaudàries,  Eva Armengol,  & Enric Plaza (2001). Individual prognosis of diabetes long-term risks: A CBR approach. Methods of Information in Medicine, 40, 46-51. [BibTeX]
2000
Eva Armengol,  A. Palaudàries,  & Enric Plaza (2000). Raonament basat en Casos per Pronosticar Riscos a Llarg Termini en Pacients amb Diabetis Mellitus. Proceedings of the (pp. 209-218). [BibTeX]