- Buenos días, Somos UPM, el podcast Random de la Universidad Politécnica de Madrid. Hoy vamos a hablar de Inteligencia Artificial. Es algo de lo que ya hemos hablado otras veces en este podcast, pero también vamos a hablar de Big Data, vamos a hablar de tratamiento de datos, de algoritmos y de todo ello aplicado al ámbito de la salud. Lo vamos a hacer con una experta en este campo, de aquí de nuestra universidad. Ella es Ernestina Menasalvas, es Catedrática de la Escuela Técnica Superior de Ingenieros Informáticos y también forma parte de un grupo de investigación que es el grupo MEDAL del que también vamos a hablar luego, largo y tendido. Un placer tenerte por aquí, Ernestina. Muy buenos días. -Muchas gracias. Sí, pues un placer estar aquí para poder compartir con vosotros un poquito de lo que hacemos en la escuela, en el CTB y en ese laboratorio MEDAL. - Bueno, lo primero que quería preguntarte es para todos aquellos que no sabemos distinguir muy bien qué diferencia hay entre lo que llamamos Big Data y lo que llamamos Inteligencia Artificial. - Bueno, yo cuando empezabas es verdad que decías que íbamos a hablar de Inteligencia Artificial Posiblemente es como le estamos denominando hoy, pero realmente yo lo digo en clase... A ver, son énfasis distintos, son cosas distintas si lo pensamos, pero todo lo que estamos hablando cuando nos referimos a Inteligencia Artificial, yo creo que lo que nos estamos refiriendo son a todas esas aplicaciones que intentan sacar conocimiento de los datos. Y por eso yo pondría, cuando estabas hablando y decías vamos a hablar de algoritmos, vamos a hablar, pues el protagonista fundamental yo creo que son los datos. O sea, porque sin datos y sin datos de calidad, pues todas estas maravillosas técnicas que tenemos de Inteligencia Artificial en Machine learning, pues son difíciles de extraer. ¿De qué estamos hablando cuando hablamos del proceso de Big Data, del proceso de Data Science? Bueno, pues dependiendo del tiempo los términos han ido cambiando un poquito. Realmente a lo que nos estamos refiriendo es a todo ese proceso de extraer el conocimiento. ¿Qué es lo que pasa? Pues que el gran volumen de datos, la velocidad a las que se están generando la heterogeneidad de estos datos, hace difícil hoy en día que el ser humano pueda extraer ese conocimiento, que si fuera al menos seríamos capaces. Entonces necesitamos de estos procesos que realmente tratan de extraer ese conocimiento. Siempre que hablamos de Big Data, pues se habla de esas "uves" del Big Data, del volumen, de la variedad... Y realmente yo siempre digo que estamos hablando hoy de Inteligencia Artificial, estamos hablando de Big Data por una uve y es la uve del valor del valor que tienen esos datos. -¿Son entonces tecnologías complementarias, por así decirlo El Big Data y la Inteligencia Artificial? - Realmente son distintos nombres que le hemos ido dando a ese proceso. Yo recuerdo cuando yo empecé mi tesis, que entonces el término era Data Mining. De hecho antes Data mining como fase de un proceso que era el proceso de KDD, de descubrimiento de conocimiento en grandes volúmenes de datos. Y bueno, pues también un poquito por cómo va, pues las compañías informáticas van cambiando los productos que quieren vender. Esa terminología va cambiando, pues al comienzo en los 2000 surgió Big Data y hoy pues se utiliza un poquito menos Big Data, se utiliza más Data Science y bueno, y el que se utiliza por encima de todo es Inteligencia Artificial, que ya no es con de alguna manera como lo estábamos utilizando en los 90, que solo para referirse a las técnicas, sino que hoy lo utilizamos como para referirnos a todo ese proceso de aplicación de esas técnicas de Inteligencia Artificial para extraer ese conocimiento de los datos. - Claro, porque cuando hablamos de Inteligencia Artificial muchos pensamos solamente en GPT, pero GPT no es ni muchísimo menos todo lo que hay en Inteligencia Artificial ¿no?. Hay diferentes tipos y diferentes aplicaciones. - Claro, saber los Transformer, los. LLMes todo lo que está por detrás de los GPT que finalmente bueno, pues es todo Deep Learning son unas unas técnicas particulares de Inteligencia Artificial. Pero como bien estás diciendo, Inteligencia Artificial llevamos aplicando técnicas de las que decimos de caja blanca, técnicas árboles de decisión, SVM, otras técnicas que realmente sirven también para hacer esas, esos predictores, esas, esas clasificaciones, esas segmentaciones, resolver problemas que en definitiva es lo que queremos y no tenemos por qué tener siempre... O sea, no siempre hay que utilizar vale, ni un GPT o el LLM que queramos utilizar, sino que podemos recurrir a otras técnicas. Y lo más fundamental que yo siempre me gustaría resaltar aquí que la técnica es importante, pero que lo que necesitamos es calidad en los datos. Y los datos es una de la parte, osea, cuando nos ponemos en un proceso de big data, de ciencia de datos, realmente casi que el 70% del tiempo del proyecto no es la aplicación de las técnicas de Inteligencia Artificial, sino que es toda esa limpieza de los datos del preprocesado para preparar esos datos para que realmente cuando apliquemos esas técnicas saquemos pues esos ese conocimiento, esos patrones, que es lo que queremos buscar, ese valor que hay, que podría estar en los datos. - ¿Somos realmente conscientes las personas de la gran cantidad de datos que generamos en nuestro día a día? - Pues yo creo que no somos conscientes de todos esos datos que generamos en cualquier momento con cualquier llamada de teléfono, cada vez que hacemos WhatsApp, cuando nos movemos y entramos porque hay sensores casi en todas partes. Entonces yo creo que no somos conscientes y no somos conscientes del valor que tiene el análisis de esos datos. - Precisamente del análisis de esos datos es de lo que os ocupáis o de una parte al menos de esos datos en el grupo de investigación... No sé si nos puedes contar... MEDAL responde a las siglas en inglés Medical Data Analytics, entonces no sé si nos puedes contar un poquito qué es lo que hacéis en ese grupo de investigación en informática. - Pues básicamente nos fuimos al Centro de Tecnología Biomédica. Nosotros somos profesores de de la Escuela Técnica Superior de Ingenieros Informáticos, la gran mayoría Pero es verdad que un grupito nos hemos ido al CTB que es el centro de Tecnología Biomédica. Y bueno, pues desde que nos fuimos hará casi 15 años pues es verdad que tuvimos mucha sinergia con todo el sector médico, con hospitales, empezando por la región de Madrid y luego bueno, pues ya hemos extendido a toda España, incluso con los proyectos europeos fuera, fuera de España. ¿Qué es lo que hacemos? Pues intentamos extraer conocimiento y valor de los datos médicos. Claro, el dato médico es un dato que requiere bueno, toda la sensibilidad que hay por detrás del dato, la privacidad. Pero también es un dato que por la manera en que está recogido, pues es necesario procesarlo. Pensemos que estamos hablando de notas clínicas, que estamos hablando de dato no estructurado la gran mayoría de las veces, de imagen... Y entonces ese dato hay que estructurarlo. Luego cuando queremos hacer estudios, multicéntricos además que involucren a más de un hospital, ese dato hay que organizarlo. Ahora mismo estamos trabajando en algunos proyectos que realmente lo que hacemos es esa estandarización de los datos en modelos comunes de datos para permitir que que efectivamente se puedan hacer estudios que involucren más a más de un hospital. Pero para eso esos datos tienen que estar previamente en un modelo común de datos. - Claro, uno de esos proyectos es ELADAIS, que lo habéis lo estáis llevando a cabo en este momento se está centrando precisamente en hacer, por así decirlo, más accesible esos datos a los profesionales médicos. - Claro. Lo que se ha hecho en ELADAIS sí que justamente hemos terminado porque terminaba en junio, el 30 de junio de este año 2025. Y precisamente lo que se trataba de hacer en ELADAIS es tenemos las tres capas. O sea, tenemos una primera capa que lo que se ha hecho es toda esa capa de transformación de los datos a un modelo común de datos. Eso no quiere decir que los datos se muevan del hospital. Los datos siguen teniendo sus datos, el dato primario sigue llevándose a sus bases de datos, la que quiera que sea, y desde allí tenemos una capa de software. Vale, una ETL que se llama que lo que hace es transformar los datos a ese modelo común de datos, que en nuestro caso es el estándar OMOP. Una vez que los datos están en 0MOP, lo que tenemos es que hemos desarrollado una capa de servicios, bueno, en este caso en Python, que lo que permite son servicios de analítica de análisis de datos para ese análisis secundario del dato. Y luego hemos desarrollado un dashboard que permite visualizar esos datos a los a los a los a los médicos, a los clínicos, a cualquier persona del hospital. Es más, como lo hemos desarrollado en distintos hospitales, pues... Y es más, ese software lo estamos preparando, o sea, eso es lo que ahora mismo estamos trabajando en dejarlo de libre acceso, pues bajo con una licencia que estamos viendo, obviamente con la universidad, pero que va a ser de libre acceso, pues obviamente lo que lo que se permite es que los hospitales puedan utilizando ese software, poder transformar sus datos a ese modelo común de datos y una vez que lo tienen, como digo, los datos se quedan en el hospital de cada sitio y luego permitimos el análisis yendo el análisis a los sitios. Con lo cual, bueno, pues de cara a ese espacio de datos europeo que estamos siempre hablando del Espacio Europeo de Salud, bueno, pues es un pasito hacia, hacia permitir esos esos análisis sin que el dato se mueva, pero con un dato, Un dato estandarizado. - Claro, porque me imagino que esto hace también más fácil a los profesionales médicos, pues luego a lo mejor buscar diagnósticos o hacer estudios clínicos. - Claro, no estamos pensando en el uso primario que es para el día a día, pero que en a futuro podría ser incluso parada para uso también primario. Y un uso secundario, pues permitiría ser capaz de analizar todos esos datos, ya no solo de los pacientes que un profesional ha visto, sino de todos los datos que están en el hospital. Y como digo, incluso con otros hospitales. Es más, tiene acceso, o sea, se podría hacer y de manera anónima acceder a todos los datos como como bien dices, no de diagnósticos de otros servicios por los que por los que ha estado la persona y juntar toda esa información de cara a extraer esos patrones, que es lo que finalmente se quiere. - Otro de los proyectos que tenéis en el grupo habla de reposicionamiento de fármacos que para el que no lo sepa muy bien, pues es utilizar fármacos ya existentes para buscarles aplicaciones a otras enfermedades. ¿Qué papel juega el Big Data o las técnicas de análisis informático en todo esto? - Sí, me imagino que cuando estuvo Alejandro, Alejandro es quien lleva efectivamente Alejandro Rodríguez es quien lleva toda la parte de reposicionamiento... Y bueno, pues ahí los datos nuevamente juegan un papel muy importante, porque lo que se hace ahí es coger datos. Todos los datos que hay de todos los medicamentos y lo que se trata es en distintas capas y a distintos niveles analizarlos, pues como las interacciones entre esos medicamentos con los síntomas, con toda la capa 192 00:10:09,620 --> 00:10:13,260 toda la capa de proteínas que hay por detrás, o sea, a las capas más bajas. Por eso también hay biotecnólogos en el grupo como Lucía Prieto Y entonces, bueno, pues lo que se trata de, juntando todos esos datos, ser capaces de encontrar cómo un medicamento que surge para una determinada enfermedad se puede reposicionar, vale en otra, en otra enfermedad. Eso reduciría el los tiempos que ahora mismo tienen claro los ensayos que habría que hacer. Pero claro, tú ya tienes como que tú ya te ha dado el análisis de todos esos datos, ya te ha dado que hay ciertas moléculas, que hay ciertas combinaciones que efectivamente que tiene un medicamento y que se podrían utilizar en otro, en otra para otros síntomas o para otra enfermedad que no es para la que primeramente surgió ese medicamento. - En el 2014, la que entonces era comisaria europea comentó que el Big Data iba a ser como el nuevo petróleo de la era digital. No sé si ahora mismo compartes esa afirmación o aplicándolo también a la inteligencia artificial. ¿Qué proyección tiene ahora mismo la inteligencia artificial en todo lo que es el campo de la informática o el Big data? - Bueno, yo creo que eso sigue vigente hoy. Una de las preocupaciones de esa agenda europea del 2030 que es hacia la digitalización y en la que Europa se ha marcado, pues unos objetivos quizá ambiciosos, pero bueno, que yo creo que está bien ponerse unos objetivos muy ambiciosos porque pues efectivamente, o sea, vas a formar parte. O sea, yo creo que los LLM han llegado, Deep Learning ha llegado para estar y no, no vamos para detrás. De alguna forma la pandemia marcó un antes y un después, porque la digitalización ahí surgió ya... O sea, se vio que tenía que ir mucho más rápido. Pero es verdad que yo creo que nos tenemos que plantear como todas estas asignaturas, de datos de inteligencia artificial, todo lo que tiene que ver un poquito con el análisis de datos tendría que estar, yo creo, a ver, es mi opinión, obviamente.. Pero como transversal en muchos grados, porque obviamente en esa, en ese objetivo, Europa 2030 se están marcando. o sea, se ha visto cuál es el nivel de analfabetismo digital, digámoslo así. Y claro, ahora las herramientas vamos a tener los los chatbots para todo, vamos a tener herramientas digitales para todo y entonces cuanto antes realmente, o sea, porque vuelve a ser una revolución, o sea, es una revolución como si fuera la revolución industrial. Entonces yo creo que cuanto antes a la sociedad esté preparada para el uso de todas estas tecnologías, pues toda esa fase que se vive de alguna forma en que la sociedad está dudosa, está con bueno, pues no, incertidumbre pues, pero eso viene de la falta de formación, o sea, igual que la revolución industrial. Uno de los factores que impulsaron fue la educación, pues nuevamente necesitamos poner un impulso ahí. Yo creo que ahí la universidad, la Universidad Politécnica de Madrid, pues obviamente pienso que es clave en todo esto para ayudar a la sociedad en ese, cambio, en ese paso hacia la digitalización. - Sí, porque de hecho incluso Europa está pidiendo que se forme a profesionales en este campo ¿no? Había un estudio hace un año, así que se pedía casi 1 millón y medio de de personas formadas en perfiles tecnológicos. - Sí, sí, 1 millón y medio. Lo que le toca a España. O sea que... Y a los cinco años pues no hemos llegado todavía a la mitad de ese objetivo. Pero bueno, pues ahí yo creo que se están poniendo muchos esfuerzos. Pensemos que no tienen que ser solamente los grados que también los grados, los másteres, los doctorados, sino que tenemos que tener también bueno, pues eso, pildoritas ahora la tecnología nos lo permite. Todas esas micro credenciales en los cuales todos esos cursos pequeños para formar a todos los a todos los profesionales, y no se nos olvide, incluso a los informáticos, a los más, que estamos ahí, porque esta tecnología está evolucionando tan rápido y necesitamos poder responder a la sociedad y poder reciclarnos constantemente. Todos. O sea, yo la primera obviamente. - Y tú como docente, ¿qué le dirías ahora mismo a un chico que está un poco dudoso, que no sabe si estudiar ingeniería no estudiarla? ¿Cómo le animarías a que viniera realmente a estudiar aquí a la Politécnica y a estudiar ingeniería? Bueno, claro, yo no soy objetiva porque quizá soy aquí veo... Osea, a mi todos mis familiares me dicen "ya estamos con Ernestina y con haz un módulo de informática". Yo creo que hay... O sea, si antes las ingenierías fueron pues hoy es algo que está... Es más, es tan bonito estudiar ingeniería hoy, es tan bonito todo, porque es tan vibrante, todo lo que está cambiando. Ver un mundo que evoluciona con esta digitalización tan rápidamente y que van a ser bueno, van a estar ahí. O sea que van a vivir todo ese cambio, que van a ser parte... Obviamente no es como, digámoslo así, porque no es una tecnología asentada, sino que estamos... Toda esa digitalización está influyendo en todas, en todas las ingenierías. No, no solo en informática, porque como decía, es muy, muy transversal. Entonces ser parte de ese proceso a mí me parece que es estupendo. Entonces, bueno, pues yo animaría sí a todos esos estudiantes que están a lo mejor incluso empezando bachiller. que se vayan por el Tecnológico, porque los estamos esperando aquí con muchas ganas. Como profesionales. nosotros también como entrenadores, nosotros nos estamos entrenando, intentando pues sí, que tengan todo para que puedan puedan estar con todas estas tecnologías en las que estamos disfrutando, viendo como cambian y estamos haciendo que cambien y que cambie. Bueno, pues de alguna forma ayudar a la sociedad, no a que se adapte cuanto antes a este cambio, este futuro. - Es una pregunta que le hice también a Alejandro y que yo creo que va un poco hilado con esto de que hablas, de la necesidad de formación, de tener también un juicio crítico. ¿Tú eres de las pesimistas que piensan que la Inteligencia Artificial va a acabar destruyendo muchos empleos y sustituyendo en prácticamente todo o eres más de las que piensan que tiene que complementar a la labor que tiene que seguir haciendo las personas? - Bueno, yo es que soy una persona muy positiva, entonces no, pero nuevamente, o sea desde mi subjetividad, o sea que obviamente no soy objetiva en esto. Pues ya me gustaría ver Lo que estoy diciendo... O sea, cuanto antes todos pasemos lo que nos tenemos que dar cuenta, todos estaremos contentos en este nuevo, en este nuevo mundo -En este nuevo escenario. - Todas las revoluciones han cambiado... Los empleos, o sea, pues se van a transformar y nosotros nos tenemos que transformar con ellos. ¿A mí cuando me dicen digo bueno, quién usa un burro para arar hoy? Y no, y eso lo hemos cambiado y no nos pareció, entonces que iba va a quitar el trabajo de nadie... Van a surgir... A ver, obviamente va a haber empleos que no van a ser necesarios, pero esa persona que estaba haciendo ese empleo, pues se adaptará para hacer su empleo, utilizando las nuevas tecnologías. Entonces yo creo que es más cómodo cómo se hacen tareas del campo y digo del campo, posiblemente yo vengo de La Mancha y he visto eso, pues creo que se hacen mejor ahora, pero esos puestos de trabajo siguen ahí, simplemente han evolucionado y han surgido empleos nuevos. Y como digo, pues en la formación creo que está la clave, pues por eso cuanto antes pues estamos. la universidad está dando cursos tanto para ingenieros como para no ingenieros. Pues intentemos cuanto antes hacer. Pues sí, un módulo como yo digo y cuanto antes, pues favorecernos entre todos como sociedad y disfrutar de esta nueva sociedad que sin duda estoy segura que vamos entre todos hacerla mejor. - Pues con ese mensaje que además es muy bonito, nos vamos a ir despidiendo. Pero antes te tengo que preguntar como hacemos con todos nuestros invitados a ti nominaron también a venir aquí ¿Quién es tu nominado o nominada para venir a este podcast a contarnos un poco? - Pues también en qué estás trabajando aquí dentro de la UPM. Pues yo me gustaría nominar a Javier Uceda porque me parece que es también es una persona, me parece muy positiva. A mí me ayudó mucho y a ver todo, todo, pues eso va a pensar que que esta Politécnica podemos ir y construir y ayudar a esta sociedad y pues sin duda lo que ellos están haciendo en el laboratorio. Me parece una labor estupenda y creo que sería estupendo que lo podamos escuchar, - Pues con ese emplazamiento a Javier Uceda venir aquí nos vamos a despedir. Ha sido un verdadero placer tenerte aquí y arrojar un poquito de luz sobre estos temas que a veces nos parecen un poco complejos, pero que como decimos ya están trasversal en toda nuestra sociedad, atravesando todos los campos de nuestra vida. Y a todos vosotros, muchísimas gracias por acompañarnos en un nuevo episodio de este Somos UPM, el Podcast Random de la Universidad Politécnica de Madrid.