Humberto Bustince Nafarroako Unibertsitate Publikoko Konputazio Zientzietako eta Adimen Artifizialeko katedraduna “Deep learning, adimen artifiziala eta datu-zientzia COVID-19aren gaixoen bilakaera aurreikusteko” proiektuko kidea da. Proiektu horren bidez, tresna prediktibo bat sortu nahi da, eta, koronabirusa duten gaixoen erradiologia-irudien bidez, osasun arloko profesionalek diagnostiko goiztiar bat egin dezakete.
Zehazki, proiektu honekin —NAITEC Automozioko eta Mekatronikako Zentro Teknologikoko eta Nafarroako Ospitaleguneko (CHN) espezialistekin batera—, ahalik eta azkarren aurreikusi nahi dira konplikazioak, eta kasu bakoitzean tratamendu onena zehazten lagundu.
Humberto Bustince, Madrilen onkologiako tratamendu pertsonalizatuari buruz emandako saio batean
Humberto Bustincek azaltzen duenez, deep learningaren (ikaskuntza sakona), adimen artifizialaren eta datu-zientziaren azken teknikak erabiliz, “neurona-sare konboluzional sakona ezarriko da (neurona-sare artifiziala), ikasteko gai izango dena, eta eboluzio ezaguneko pazienteen erradiologia-irudien ezaugarriak aterako dira. Sareak ezaugarri horiek erabiliko ditu paziente berriak sailkatzeko, haien larritasunaren eta bilakaera klinikoaren arabera. Horrela, tratamendua egokitu ahal izango da gerta daitezkeen konplikazioak saihesteko”.
Adimen artifiziala, deep learning eta datu-zientzia lagungarriak izan daitezke prozesu garrantzitsu horretan, profesionalei lana kenduz eta pronostikoa bizkortuz. “Gaixoen % 26tik % 32ra bitartean larri jartzen direnez eta kasu horien heriotza-tasa % 61 baino handiagoa denez, funtsezkoa da lehenbailehen identifikatzea haien pronostikoa hobetzeko”, adierazi du Bustincek. Bustinceren arabera “Identifikazio-lan hori “eskuz” egitea oso garestia izan daiteke, batez ere, berez tentsionatuta eta gainkargatuta dagoen osasun-sistema batean, pandemia horren ondorioz”.