El catedrático de Sistemas de la Información e Informática de Gestión de la Universidad Pablo de Olavide José Luis Salmerón, junto con un equipo internacional que cuenta con la participación de la Universidad McGill de Canadá, ha diseñado un sistema para la detección temprana de pacientes con artritis reumatoide y, posteriormente, la clasificación de la gravedad de la enfermedad en seis niveles diferentes.
La investigación, publicada en la revista Mathematics, abre la posibilidad de la detección temprana de esta grave enfermedad autoinmune que permitiría mejorar el tratamiento desde el primer momento. El proceso de desarrollo de este sistema cuántico de inteligencia artificial se completó en colaboración con dos especialistas en cirugía ortopédica ortopédica y reumatología.
La medicina ha logrado dar solución a multitud de enfermedades que afectan al ser humano, logrando avances que han aumentado considerablemente la esperanza de vida. Sin embargo, muchas de las enfermedades autoinmunes todavía no han logrado ser detectadas de forma temprana. “En muchos casos, las soluciones pasan por anticiparse y lograr detectar la aparición de estas enfermedades asociadas a la edad en sus primeras etapas de desarrollo” explica José Luis Salmerón, quien añade que “el principal problema para lograr este objetivo es la necesidad de hacer un seguimiento profundo y continuo de todas las personas, lo cual es imposible de sostener por el sistema sanitario”.
La artritis reumatoide es una enfermedad inflamatoria crónica y autoinmune a largo plazo que puede conducir a la erosión de las articulaciones y los huesos. Esto puede conducir a la discapacidad de los pacientes si no se trata de manera oportuna. “Por ello, la detección temprana de la artritis reumatoide puede tener un papel importante en el tratamiento oportuno de la enfermedad”, explica el catedrático Salmerón.
En este contexto, la inteligencia artificial aparece como la principal apuesta para detectar los diminutos cambios que va experimentado el ser humano con el paso del tiempo. Para ello, la solución pasa por comenzar a utilizar modelos correctamente entrenados para distinguir los procesos biológicos que están teniendo lugar y asociar los cambios al posible desarrollo de alguna enfermedad. “El sistema incluye transparencia, ya que la inclusión de métodos de explicabilidad (XAI) en los modelos ayuda a incrementar la confianza en éstos y a la comprensión de la enfermedad. Asimismo, incorpora computación cuántica que permite la superposición de estados y genera estados estáticos y dinámicos de forma como no se había trabajado con anterioridad”, argumenta el catedrático de la UPO.
José Luis Salmerón es catedrático de Sistemas de la Información e Informática de Gestión y director del Data Science Lab. Doctor Ingeniero en Informática y Doctor en Ciencias Económicas y Empresariales. Ostenta una amplia experiencia en transferencia tecnológica centrada en analítica avanzada e inteligencia artificial para empresas multinacionales. Además, es investigador asociado senior de Inteligencia Artificial en la Universidad Autónoma de Chile (Chile). Está activamente involucrado (como líder y miembro del equipo) en varios proyectos de investigación, financiados por organizaciones nacionales e internacionales, incluido la Unión Europea y programas nacionales de I+D+i. Participa en proyectos profesionales y de la UE, trabajando con el desarrollo de algoritmos inteligentes y nuevas metodologías basadas en soft computing, computación cuántica, técnicas de inteligencia artificial para diagnósticos complejos, big data, análisis de datos y soporte a las decisiones.
Asimismo, pertenece al consejo editorial de la revista Applied Soft Computing y es revisor en las principales revistas y conferencias relacionadas con los sistemas inteligentes y los sistemas expertos. Sus trabajos han sido publicados en IEEE Transactions of Fuzzy Systems, IEEE Transactions on Cybernetics, IEEE Transactions on Software Engineering, Expert Systems with Applications, Applied Soft Computing, Neurocomputing, Communications of the ACM, Journal of Systems and Software, Computer Standards & Interfaces, Interacting with Computers y otros. Es vicepresidente de la Asociación Internacional de Sistemas Grises y Análisis Incierto. Miembro vitalicio de ACM, actualmente realiza investigaciones en eXplainable Artificial Intelligence, Quantum Computing, Deep Learning, Big Data and Federated Learning.
Referencia:
Samira Abbasgholizadeh Rahimi, Mojtaba Kolahdoozi, Arka Mitra, Jose L. Salmeron, Amir Mohammad Navali, Alireza Sadeghpour and Seyed Amir Mir Mohammadi. Quantum-Inspired Interpretable AI-Empowered Decision Support System for Detection of Early-Stage Rheumatoid Arthritis in Primary Care Using Scarce Dataset. (February 2022). Mathematics. https://doi.org/10.3390/math10030496
