Prediciendo lo que no se puede medir: Modelos computacionales e inteligencia artificial en medicina

Los modelos computacionales de la fisiología humana nos permiten hoy entender y predecir el comportamiento del cuerpo humano. Ellos tienen el potencial de adaptarse a cada paciente para proveer información clínica personalizada. Sin embargo, estos modelos habitualmente dependen de parámetros que no son medidos en la práctica, ya sea debido a diferencias en los protocolos clínicos usados en distintos hospitales o por tratarse de parámetros que simplemente no se pueden medir directamente. Si bien esto podría limitar el uso de estos modelos en la práctica, una alternativa es usar el modelo computacional para entender el comportamiento de las variables que no observamos a partir de las variables que sí son observadas. En esta charla, presentaremos cómo los modelos de inteligencia artificial nos permiten combinar modelos computacionales junto con datos adquiridos en la práctica para poder imputar datos. En particular, veremos cómo las redes neuronales inVAErt nos permiten predecir variables hemodinámicas a partir de datos adquiridos en pacientes, y cómo esta arquitectura se puede extender a otro tipo de problemas de relevancia en ingeniería biomédica.

Imagen placeholder

Carlos Sing Long es Profesor Asociado en la Pontificia Universidad Católica de Chile, con un nombramiento conjunto en el Instituto de Ingeniería Matemática y Computacional y el Instituto de Ingeniería Biológica y Médica. Además, es Investigador Asociado en el Centro Nacional de Inteligencia Artificial (CENIA), donde participa de la línea de "Aprendizaje Automático basado en la Física", y es miembro del Centro de Imágenes Biomédicas de la Pontificia Universidad Católica de Chile. Recibió los grados de Magíster y Doctor en Ingeniería Matemática y Computacional de la Universidad de Stanford en 2016. Su investigación se centra en el análisis matemático de problemas inversos discretos, con énfasis en sus aplicaciones a la formación de imágenes. Sus intereses de investigación incluyen el procesamiento estadístico de señales, la formación matemática de imágenes, el análisis armónico aplicado y la optimización matemática.