A continuación entrevistamos a Vanesa y a Maite:

El Trabajo Fin de Grado de Vanesa Gómez Martínez se titula Métodos de Aprendizaje Automático para Identificar Factores Asociados a la Aparición de Hipoglucemia Severa en Pacientes con Diabetes Tipo I

¿Puedes resumirnos tu trabajo de fin de grado?

La diabetes es una enfermedad crónica cuya prevalencia ha ido en constante aumento en las últimas décadas, convirtiéndose en una de las principales causas de muerte a escala mundial. En 2021, 537 millones de adultos fueron diagnosticados con diabetes, y se estima que el número de diabéticos aumentará a 643 millones y 783 millones para 2030 y 2045, respectivamente. Concretamente, alrededor del 10% de estos pacientes presentan diabetes mellitus tipo 1 (DMT1). Varios estudios han mostrado que la mortalidad en la población con DMT1 se debe a distintos factores, entre ellos, la hipoglucemia severa (HS) es la causa de muerte en un 4-10% de pacientes con DMT1.

El objetivo del Trabajo Fin de Grado (TFG) fue doble. Primero, se buscó analizar factores de riesgo asociados a la aparición de HS en pacientes adultos con DMT1 usando métodos de selección de características (en inglés, Feature Selection (FS)). Segundo, se buscó evaluar la efectividad de métodos supervisados de ML para clasificar pacientes diabéticos con HS. Para ello, se utilizaron datos de pacientes extraídos de las bases de datos públicas del Jaeb Center for Health Research en Florida. Específicamente, se utilizan seis bases de datos que analizan: (i) actitudes de los pacientes frente al nivel de glucosa; (ii) cuadro médico, (iii) medicamentos consumidos; (iv) evaluación cognitiva; (v) resultados de análisis de sangre; y (vi) pruebas cognitivas. En este TFG se realizó un exhaustivo análisis exploratorio de datos, y preprocesado de los mismos con el fin de ser usados en diferentes métodos de ML. Para predecir si un paciente con DMTI sufrirá o no un evento de HS se usaron la regresión logística, árboles de decisión, k vecinos más próximos y máquinas de vector soporte.

Vanesa, ¿por qué te presentaste a estos premios?

La decisión para presentarme a esta convocatoria fue en gran medida por la contribución e impacto que podía tener mi proyecto hacia uno de los objetivos que esta Agenda 2030 promueve, y es el de salud y bienestar. Este trabajo se adecua a esta necesidad, pues ha permitido la predicción de eventos de hipoglucemia severa en pacientes con DMT1 a partir del diseño de métodos de machine learning, y por consiguiente, la identificación de factores de riesgo desencadenantes de este tipo de eventos. Con esto, se podrían acelerar estudios relacionados con la búsqueda de un tratamiento y cura de esta enfermedad. Además, si tenemos en cuenta que la DMT1 tiene una prevalencia que supera los 9 millones en todo el mundo y que la hipoglucemia severa es la causa de muerte entre un 4-10% en esta población, resulta por tanto evidente que no es un problema menor. Por ello, se destaca la importancia de haber identificado factores de riesgo de la hipoglucemia, y además la posibilidad de mitigarlos gracias a la identificación automática de los mismos, pudiendo prevenir una emergencia y, en muchos casos, salvar vidas. Esto contribuye activamente a una mayor promoción de salud de la gente que lo padece, algo esencial para el desarrollo sostenible.

¿Qué estás haciendo actualmente Vanesa? 

Actualmente, estoy cursando el Máster Universitario en Visión Artificial en la URJC y trabajando en el grupo de investigación de Procesado del Lenguaje Natural y Recuperación de la Información de la UNED. A fecha de hoy, únicamente me falta presentar el Trabajo Fin de Máster, el cual estoy a punto de finalizar. Estos estudios junto con el grado de Ingeniería Biomédica me han permitido adquirir un alto conocimiento en la rama de Inteligencia Artificial, pudiendo observar aún más la importancia de utilizar este tipo de técnicas para conseguir un bien común y sobre todo, ser de ayuda para automatizar tareas complejas. En concreto, mi trabajo está centrado en el ámbito clínico, convirtiéndolo en un campo de apoyo al personal de salud, así como una mejora en la atención y en la calidad de vida hacia el paciente.

En el futuro, ya no tan lejano, me voy a inscribir en el Programa de Doctorado en Tecnologías de la Información y las Comunicaciones en la URJC. Todo esto debo agradecerlo en parte a mis tutores tanto de TFG como de TFM, Cristina Soguero Ruiz y Cristian David Chushig Muzo, y con los que en un futuro realizaré mi tesis doctoral. Esto no habría sido posible sin vosotros. Gracias por la oportunidad que me habéis brindado y por el equipo que hemos formado juntos.

¿Alguna recomendación para futuras alumnas?

Solo puedo decir, bajo mi experiencia, que si todo este proceso volviera a empezar, de nuevo estaría cursando Ingeniería Biomédica. Es un grado que te aporta tanto conocimiento como crecimiento personal. A mi siempre me habían apasionado el campo de la medicina y el de la ingeniería, y sin duda este grado te permite combinar ambas ramas aplicando los principios y métodos de la ingeniería a la comprensión y resolución de problemas en el ámbito médico. Me ha labrado un futuro, y lo fundamental, un futuro que me apasiona y me gusta.

El Trabajo Fin de Grado de Maite Jurado Camino se titula Redes Generativas Antagónicas para la Clasificación de Pacientes Crónicos

Maite, ¿puedes hacernos un resumen de tu trabajo?

Las enfermedades crónicas representan el 92,8% de las causas de muerte en
España, lo que nos lleva a plantearnos si se podrían aplicar herramientas basadas en
Machine Learning (ML) para ayudar al personal médico en la toma de decisiones y
así reducir el impacto que estas enfermedades tienen en nuestra sociedad. Uno de
los desafíos principales al intentar aplicar estas técnicas en el ámbito clínico es la
escasez de muestras. Sin información suficiente, nuestros modelos no pueden
aprender correctamente. Por lo tanto, nuestro objetivo con este trabajo fue abordar
esta escasez de muestras mediante la generación de muestras sintéticas basadas
en datos de pacientes crónicos reales. Esto permitiría aumentar el tamaño de
ejemplos disponibles para nuestro modelo de ML y evaluar si la generación de
muestras sintéticas mejora los resultados en la tarea de clasificación.

¿Por qué te presentaste a esta convocatoria de premios?

Los Objetivos de Desarrollo Sostenible (ODS) son importantes porque abordan
desafíos globales interconectados de manera integral. Me presenté a estos premios
porque darles visibilidad, contribuye a generar conciencia y movilizar acciones para
lograr un futuro sostenible y equitativo para todos. Este trabajo ofrece la oportunidad
de impulsar una nueva perspectiva en un campo tan fundamental como la medicina,
abriendo puertas hacia un futuro de avances científicos y tecnológicos permitiendo
innovaciones en la atención médica mediante la aplicación de técnicas de IA y ML
para una toma de decisiones más informada, en este caso predecir las
Enfermedades Crónicas reduciendo su impacto, uno de los objetivos de la Agenda
2030, en el que los Jefes de Estado y Gobierno, se comprometieron a elaborar una
estrategia basada en la prevención y el tratamiento de estas, buscando reducir las
muertes prematuras por Enfermedad Crónica en un 33%.

Cuéntanos qué estás haciendo ahora por favor.

Actualmente estoy cursando un Máster de Inteligencia Artificial ya que es un campo que me
apasiona y del que me encantaría seguir formándome y aprendiendo.
Al mismo tiempo trabajo como ayudante de investigación en la Universidad Rey Juan
Carlos, mi línea de investigación está enfocada en la aplicación de técnicas basadas en
Machine Learning para el seguimiento de pacientes crónicos y Covid.

En un futuro me gustaría seguir desarrollando esta línea de investigación y enfocarme en la
aplicación de técnicas de ML al ámbito clínico.

Por último, ¿qué recomendarías a futuras alumnas?

La Ingeniería Biomédica se caracteriza por su enfoque interdisciplinar que permite
combinar los principios de la ingeniería y la medicina. Esta carrera promueve la
colaboración de expertos en diversas áreas de las que podrás enriquecerte y aportar
soluciones innovadoras que mejoren la calidad de vida de las personas. Es un
campo en constante evolución y muy amplio que va desde la bioinformática, la
biomecánica hasta el análisis de datos por lo que tendrás un gran abanico de
posibilidades para encontrar la especialización que más te apasione.