Omitir los comandos de cinta
Saltar al contenido principal

Facultad de Ingeniería triunfa en premios de investigación LARA de Google

04/12/2019

​Facultad de Ingeniería triunfa en premios de investigación LARA de Google. Los proyectos de investigación de Pablo Arbeláez, Luis Felipe Giraldo y Mario Linares fueron los ganadores de esta edición.

Facultad de Ingeniería / 4 de diciembre de 2019


Cinco proyectos de investigadores colombianos fueron seleccionados en la séptima edición de los Latin American Research Awards -LARA- cuyo evento de premiación se celebró en Belo Horizonte, Brasil. De ese grupo, tres proyectos son de investigadores de la Facultad de Ingeniería de la Universidad de los Andes.


Colombia fue el segundo país con mayores reconocimientos, pues entre las propuestas ganadoras se contaban 15 de Brasil, cinco de Colombia, dos de Chile, dos de Argentina y uno de Perú.


​De acuerdo con Google, todos los proyectos "se encuentran destinados a resolver problemas como la clasificación del cáncer de piel, la detección automática de áreas de reproducción de Aedes aegypti, detección de plagas, detección de nódulos pulmonares y más".

Foto: Google



Los investigadores seleccionados recibieron una beca para financiar sus proyectos en los próximos 12 meses, explicó Google. Para esta nueva edición, añadió la empresa, se destinaron, en total, US$500.000 para apoyar 25 proyectos seleccionados de las 670 postulaciones recibidas.


"Durante siete años, Google ha apoyado los proyectos destinados a tal propósito a través de los Premios de Investigación de América Latina LARA, con un total a la fecha de 3 millones de dólares entregados, y 124 proyectos soportados", detalló la compañía.


"Cada uno de los estudiantes de maestría y doctorado seleccionados, así como sus asesores, contribuyen a enriquecer e impulsar la investigación en América Latina. Todos estos proyectos reafirman el compromiso de Google con la región y con impulsar investigaciones académicas dirigidas a encontrar soluciones a problemas sociales comunes", dijo Berthier Ribeiro-Neto, director de Ingeniería de Google Latinoamérica.


Los proyectos uniandinos


El primer proyecto seleccionado es liderado por Pablo Arbeláez, profesor asociado del Departamento de Ingeniería Biomédica y director del grupo de investigación 'Biomedical Computer Vision' (BCV) en el que también participa Laura Daza, doctoranda de Ingeniería.


(De izq. a der.) Pablo Arbeláez y Laura Daza. Foto: Google.


Los investigadores participaron con el proyecto 'Lung Nodule Detection and Malignancy Prediction Using Multimodal Neural Networks', el cual busca desarrollar una herramienta de aprendizaje profundo (deep learning) que ayude a los médicos a realizar una detección temprana de nódulos pulmonares cancerígenos.


Según la Organización Mundial de la Salud, el cáncer de pulmón es el tipo de cáncer que causa mayor mortalidad en el mundo. Su gravedad aumenta debido a que su detección en etapas tempranas es de gran dificultad. Los nódulos pulmonares en su estado inicial son muy pequeños, pueden ser de tres milímetros de diámetro, lo cual ha generado que hasta en un 40 o 50 por ciento de las veces no sean detectados por los médicos la primera vez y, lamentablemente, para una segunda revisión la enfermedad puede haber evolucionado a estados críticos.

 

Además, es normal que algunas personas tengan nódulos pulmonares y en caso de presencia de cáncer pueden estar afectados sólo unos pocos nódulos. Es por esto que el profesor Pablo y su estudiante buscan utilizar la inteligencia artificial para detectar y clasificar estos nódulos de forma efectiva cuando tienen un tamaño muy reducido, momento ideal para combatir la enfermedad con mayores probabilidades de éxito. En el mundo, se han desarrollado varias investigaciones sobre detección y clasificación de nódulos, inclusive Google tiene una de las más grandes en el tema. Sin embargo, hasta el momento no se ha desarrollado ningún algoritmo que utilice la historia clínica del paciente como complemento a las imágenes diagnósticas, y ese es el factor innovador de los investigadores biomédicos. Por ejemplo, si se encuentra un nódulo en una persona que lleva 30 años fumando, no es equivalente a detectarlo en una persona que nunca ha fumado.


Por tanto, el proyecto que será financiado por Google es el desarrollo de una herramienta capaz de integrar la información visual de una tomografía axial computarizada con el procesamiento del lenguaje natural para extraer la información que se necesita de la historia clínica del paciente. Es decir, se podrá subir a un servidor la información del paciente, su tomografía computarizada y su historia clínica, después el servidor procesará la imagen junto con la información y finalmente arrojará un resultado que guíe al médico en el diagnóstico. La herramienta podrá detectar los nódulos, determinar si son benignos o malignos y la probabilidad de encontrar cáncer en ellos. La construcción de la base de datos que alimentará la herramienta se hará en colaboración con la Fundación Santa Fe de Bogotá (FSFB).


"Google se interesó en nuestro proyecto por el impacto que tendrá en la salud pública y por los resultados que hemos tenido en el pasado. El profesor Arbeláez junto a los estudiantes Edgar Margffoy, Emilio Botero y Juan Camilo Pérez, integrantes del BCV, fueron publicados en el 2018 por la prestigiosa conferencia European Conference on Computer Vision (ECCV) con un artículo de integración de lenguaje natural e imágenes y junto con Gustavo Pérez ganó un challenge mundial para la identificación y clasificación de nódulos. Entonces, en nuestro grupo de investigación, ya tenemos las bases en esas áreas, ahora vamos a combinar ese conocimiento para resolver un problema médico de alto impacto", explicó Laura Daza.


Al igual que los desarrollos que ha logrado el grupo en el pasado, una vez conseguido sus objetivos, los investigadores dejarán de libre acceso sus datos y algoritmos para impulsar la investigación en el área.


El segundo proyecto que resultó ganador es liderado por Luis Felipe Giraldo, profesor asistente del Departamento de Ingeniería Eléctrica y Electrónica y Gilberto Díaz, estudiante de la maestría en Ingeniería Electrónica.


El trabajo titulado "Modelos computacionales de cooperación en comunidades desamparadas - Parte 2" parte de la situación de individuos de bajos ingresos y que pertenecen a una comunidad de escasos recursos que tienen el reto de manejar su vida financiera debido a los eventos imprevistos y falta de servicios financieros. Estrategias informales de cooperación financiera se han convertido en una opción para estas comunidades para tener algún grado de estabilidad financiera. Hay una necesidad de proponer un proceso automatizado para la exploración y evaluación de diferentes estrategias que beneficien a la comunidad. Esta nueva etapa del proyecto tiene como objetivo encontrar una metodología basada en aprendizaje por refuerzo multiagente, que ha sido utilizada exitosamente para entrenar agentes artificiales que participan en juegos, que resuelva el problema propuesto.


Por último, el proyecto 'Habilitando tareas automatizadas de ingeniería de software para aplicaciones móviles de código cerrado' liderado por Mario Linares, profesor asistente del Departamento de Ingeniería de Sistemas y Computación y Camilo Escobar, doctorando en Ingeniería, completa la lista de los proyectos que resultaron ganadores en esta edición de los premios LARA.


Mario Linares y Camilo Escobar en la presentación del proyecto en Belo Horizonte (Brasil). Noviembre 2019. Foto: Google.


Este proyecto busca que diferentes tareas de ingeniería de software automatizadas, en el caso particular de apps móviles, se puedan realizar sin necesidad de tener acceso al código fuente de la app. Muchas de las técnicas de ingeniería de software existentes para automatizar tareas como documentación, pruebas, evolución, entre otras, requieren tener acceso al código fuente, con lo cual se reducen los escenarios de uso. Por ejemplo, en el caso de servicios de terceros (es decir otros equipos diferentes a los creadores del código) que quieren usar técnicas de código fuente, se podrían presentar problemas de privacidad de secretos en el código.  Por otro lado, en el caso de aplicaciones móviles, realizar tareas directamente sobre código cerrado (es decir compilado) es más eficiente que sobre el código fuente.


Hasta el momento, los investigadores han logrado habilitar varias tareas como pruebas de mutación, creación de pruebas E2E multi-dispositivo, análisis de errores de internacionalización, y soporte a pruebas de privacidad en dispositivo.