Noticias

El domingo 15 de marzo de 2022 comenzó el confinamiento en España debido a la pandemia de la Covid-19, lo cual implicaba una cuarentena domiciliaria excepto para actividades esenciales. El periodo de cuarentena fue seguido de otro periodo de intenso teletrabajo. Este escenario obligó a redefinir la forma en la cual se realizaban muchas actividades de formación y motivación entre los jóvenes investigadores que en esas fechas estaban al comienzo de sus carreras profesionales.  La Unidad de Computación Científica del departamento de Investigación Básica del CIEMAT  se propuso aunar el mantenimiento de la motivación y la continuidad de la formación en Inteligencia Artificial con la posibilidad de realizar una aportación a los problemas a los que se enfrentaba nuestra sociedad.

Tras una búsqueda exhaustiva de problemas y datos que permitieran ser analizados con técnicas de Inteligencia Artificial, se decidió optar por la creación un clasificador de radiografías de tres categorías: individuos sanos, neumonía y covid. Como consecuencia de este esfuerzo, se acaba de publicar el artículo "Uncertainty Propagation and Salient Features Maps in Deep Learning Architectures for Supporting Covid-19 Diagnosis" en el marco del libro "Artificial Intelligence and Machine Learning Methods in COVID-19 and Related Health Diseases" (Springer).

En el aspecto técnico, se primó la explicabilidad  del algoritmo propuesto. Es decir, no solo se deseaba obtener el mejor resultado posible, minimizando los errores de clasificación; sino que además se deseaba dotar al algoritmo de la capacidad para explicar en qué elementos de la imagen basaba la decisión. También se hizo hincapié en dotar al algoritmo de la capacidad de generar pronósticos con incertidumbre asociada.

En el aspecto motivacional, el trabajo fue realizado por jóvenes investigadores, principalmente bajo contratos de diversos planes de Empleo Juvenil y doctorandos. El trabajo permitió mantener la intensidad del trabajo durante el periodo de cuarentena y teletrabajo, al mismo tiempo que se reforzaban adquisición conocimientos y destrezas de primera línea en inteligencia artificial. A su vez, estos conocimientos tienen una alta aplicabilidad en sus respectivas investigaciones.

Finalmente cabe mencionar la transversalidad del esfuerzo. Los conocimientos adquiridos durante la realización de este trabajo, están siendo aplicados en otras investigaciones en el CIEMAT, desde física de partículas y astrofísica de partículas, a oncología, calidad del aire y protección radiológica.

Referencial al artículo:Uncertainty Propagation and Salient Features Maps in Deep Learning Architectures for Supporting Covid-19 Diagnosis. https://link.springer.com/book/10.1007/978-3-031-04597-4?sap-outbound-id=0915D06F61FBDC8CDD4AF360E5A2422164A8C640

Fotografías: 

Fotografía 1. Radiografía de una paciente diagnosticada como neumonía (panel superior izquierdo). El algoritmo propuesto pronostica correctamente 4 de los 5 casos ejecutados (todos salvo el panel central inferior). En estos 4 casos, el algoritmo destaca como base de su decisión el lóbulo inferior del pulmón derecho (lado izquierdo de la imagen). Sin embargo, para la imagen del panel central inferior el pronóstico es Covid-19, destacando como área significativa de dicho pronóstico el lóbulo inferior del pulmón izquierdo (lado derecho de la imagen).