El efecto del aprendizaje múltiple del machine learning en la medicina

Félix Mohr, profesor de la Facultad de Ingeniería y miembro del grupo de investigación CAPSAB, elaboró una investigación enfocada en el campo del machine learning, una rama de la inteligencia artificial para crear sistemas que obtienen información por sí solos, utilizando algoritmos que calculan en conformidad con los datos que recopilan. Cuantos más datos obtienen, mejores y más precisas son las acciones resultantes.

La investigación propone la optimización de un algoritmo que sea capaz de predecir múltiples categorías de aprendizaje para la máquina. Este trabajo recibió el Frontier Prize 2020, un reconocimiento a la contribución de la propuesta más visionaria de este tipo, otorgado por Intelligent Data Analysis (IDA), un congreso que promueve las innovaciones en el área del análisis de datos.

El objetivo de la investigación apunta a automatizar el proceso de escoger y parametrizar algoritmos y, de esta forma, procesar datos. El doctor explica que, hasta el momento, el aprendizaje automatizado de las máquinas se enfocó en la clasificación de instancias o de categorías de aprendizaje de una sola clase.

Este trabajo recibió el Frontier Prize 2020, un reconocimiento a la contribución de la propuesta más visionaria de este tipo, otorgado por Intelligent Data Analysis (IDA).

“Por ejemplo, entre todas las enfermedades posibles, podríamos predecir que un paciente tiene COVID-19. Los anteriores sistemas no eran capaces de predecir que un paciente tiene COVID-19 y EPOC a la vez. Nuestra clasificación, denominada multilabel, es capaz de ejecutar ese tipo de predicciones múltiples. Por eso, nuestra motivación ha sido llevar las técnicas de automatización a este campo destacado de aprendizaje con máquinas”, asegura Félix Mohr.

El doctor explica que, en una gran serie de experimentos, se demostró que los resultados de la predicción pueden mejorarse de forma sustancial con esta técnica implementada. Un hallazgo particularmente interesante en este análisis fue precisar que con esta solución se obtienen mejores resultados que con otras técnicas implementadas en el aprendizaje automatizado, y a un mismo costo.

En el campo de la medicina, este tipo de tecnologías tendría un gran impacto. Además, el médico contaría con ese apoyo sobre cómo interpretar los pronósticos del sistema y tenerlos en cuenta para tomar sus decisiones. Muchos científicos han reconocido la relevancia de este tipo de modelos predictivos y, por lo tanto, se ha formado una comunidad entera para desarrollar soluciones en este campo de multi-label machine learning.

Para el profesor Félix, este reconocimiento significa todo un esfuerzo y demuestra la colaboración entre las facultades involucradas: Ingeniería (de La Sabana) e Informática (de la Universidad de Paderborn, Alemania).

“Me hace muy feliz aportar a ese objetivo con mi trabajo. Un premio de este tipo destaca esta investigación y a la Universidad en el ámbito científico”, concluye el profesor.