A través de la investigación aplicada, los grupos de investigación de Inteligencia Artificial y Simulación y Modelamiento Computacional adscritos a la Universidad Técnica Particular de Loja trabajan en prototipos y aplicaciones funcionales con tecnología IA para resolver problemas.
Kruzkaya Ordóñez. La inteligencia artificial (IA) está revolucionando el campo de la investigación científica. Esta tecnología ya forma parte de investigaciones que buscan soluciones reales y urgentes. Una de ellas se desarrolla en la UTPL, con el equipo de tesistas liderado por la investigadora Yuliana Jiménez, quien impulsa el desarrollo de herramientas de IA para detectar cáncer de mama en etapas tempranas, especialmente en zonas rurales de Ecuador. “Estamos trabajando en el desarrollo de soluciones tecnológicas basadas en herramientas radiómicas accesibles a través de plataformas web y móviles destinadas a apoyar a médicos y radiólogos en el diagnóstico temprano de anomalías mamarias. Estas iniciativas buscan responder a las necesidades de mujeres de comunidades rurales e indígenas, quienes enfrentan barreras económicas y geográficas que limitan su acceso a exámenes de cribado convencionales, como la mamografía y el ultrasonido”, afirma Jiménez.
Estamos trabajando en el desarrollo de soluciones tecnológicas (…) destinadas a apoyar a médicos y radiólogos en el diagnóstico temprano de anomalías mamarias. Estas iniciativas buscan responder a las necesidades de mujeres de comunidades rurales e indígenas.
Yuliana Jiménez, del grupo de investigación Computational modelling and applied sciences de la UTPL
Su trabajo se centra en la colección de imágenes de mama a partir de múltiples bases de datos, procesamiento y análisis masivo de estas mediante algoritmos de aprendizaje profundo. Estas imágenes —mamografías, ecografías y ahora también termografías— son procesadas por sistemas computacionales que aprenden a identificar patrones asociados con lesiones mamarias y clasificarlas de acuerdo con el sistema BIRADS.
“El algoritmo analiza las imágenes para detectar si hay una lesión benigna o maligna, y luego estos resultados son evaluados median- te estadísticas durante la fase de prueba para conocer el porcentaje de precisión y exactitud de su clasificación. Posteriormente, las plataformas son evaluadas por médicos expertos durante la fase preclínica”, explica Jiménez. “Utilizamos redes neuronales convolucionales que simulan el funcionamiento del cerebro humano para identificar patrones a partir de lesiones como masas, nódulos y microcalcificaciones que nos permiten obtener resultados con alta precisión estadística”, añade.
El proceso no es inmediato. Un sistema computacional asistido (CAD) o sistema radiológico tiene una fase preclínica de pruebas y entrenamiento de los modelos. Cada modelo tarda entre tres a cuatro meses en ser entrenado, previo al diseño de la plataforma, y finalmente pasa a una fase de prototipo. El entrenamiento utiliza bases de datos públicas internacionales debido a la limitada disponibilidad de datos clínicos locales. “Necesitamos trabajar más en la cultura del almacenamiento y la organización de datos en las instituciones de salud ecuatorianas para evitar sesgos en los algoritmos y disminuir uno de los principales retos que tiene el científico de datos: el acceso a estos de forma balanceada”, advierte.
La tecnología desarrollada por el equipo no busca reemplazar al personal médico sino convertirse en una herramienta de apoyo para diagnósticos más rápidos y certeros. “El sistema no sustituye al médico, lo complementa”, recalca Jiménez, quien subraya también la importancia de cumplir con todos los requisitos éticos, como el consentimiento informado y la protección de datos personales.
La IA transforma sectores productivos
El grupo de investigación en IA de la UTPL también trabaja en el desarrollo de prototipos y aplicaciones funcionales para ámbitos como el turismo, la salud, las telecomunicaciones, la industria 4.0 y el sector financiero.
“Estamos convencidos de que la IA no es exclusiva del ámbito tecnológico. Su fuerza radica en cómo puede integrarse con otras áreas para resolver problemas reales”, explica Rodrigo Barba, director de la maestría en Inteligencia Artificial y miembro del grupo de investigación.
La clave es la vinculación directa entre la formación de posgrado y la aplicación práctica. Los estudiantes de la maestría desarrollan proyectos aplicados en sus propios sectores laborales, con énfasis en generar productos útiles en tiempo real.
“El tiempo académico es corto porque la formación de posgrado es de un año calendario, pero buscamos que cada estudiante salga con un producto concreto. No nos interesa solo quedarnos en el papel o la teoría”, añade Barba.
Lo que se pretende con la formación de pos-grado en el área de inteligencia artificial es hacer frente a los obstáculos que aún se presentan. Barba señala tres grandes desafíos a enfrentar para que la IA impacte realmente en el desarrollo del país: la brecha de acceso digital, falta de productos finales y capacitación ética y crítica.
“Como en los años noventa aprendimos a usar computadoras, hoy debemos aprender a usar de manera responsable la IA. La IA es el nuevo combustible de la productividad inteligente”, concluye.
La IA se conecta con la realidad
Los grupos de investigación de Inteligencia Artificial Aplicada y el de Simulación y Modelamiento Computacional trabajan en la transferencia de conocimientos a la formación de posgrado y pregrado. Por eso, desde la Maestría en Inteligencia Artificial Aplicada y la carrera de Ciencias de la Computación, la UTPL impulsa proyectos que no solo son ejercicios académicos, sino prototipos funcionales.
“Buscamos que la inteligencia artificial no se quede en la teoría. Nuestros estudiantes enfrentan problemas reales, desarrollan prototipos y los presentan a empresas interesadas en soluciones concretas”, explica Alexandra González, coordinadora de proyectos de vinculación y miembro del grupo de investigación en IA Aplicada de la UTPL.
La metodología que se emplea en la UTPL par- te de una consigna clara: aprender haciendo. Cada estudiante, bajo la guía de un director académico, trabaja desde el planteamiento de un problema real hasta el diseño, desarrollo y prueba de un modelo de inteligencia artificial.
“No basta con crear un modelo. Buscamos que ese modelo tenga un entorno tecnológico que permita la consolidación de las soluciones y el establecimiento de conexiones con los sectores productivos, lo que permite generar sinergias entre la academia, la empresa y la industria y enriquecer a los estudiantes de la maestría en IA Aplicada con una retroalimentación desde la experiencia de los sectores productivos”.
Finalmente, González, indica que la educación práctica ya ha dado frutos concretos. Varios proyectos surgidos desde la academia han sido reconocidos por entidades gubernamentales y están en etapas de pilotaje o implementación, como es el caso del proyecto “Prevención de incendios forestales”. Este prototipo, creado por estudiantes de maestría, fue ganador de una convocatoria del Ministerio de Telecomunicaciones (Mintel) en la categoría de medioambiente. Utiliza imágenes satelitales para identificar focos de calor y predecir riesgos de incendio.
