tecnologias

El aprovechamiento de la inteligencia artificial para automatizar la captura de los datos contenidos en todo tipo de documentos puede ayudar a optimizar tiempos operativos, reducir costes y abandonar los trabajos manuales de “data entry” para dedicarlos a trabajos de análisis de la información.

Muchas empresas tienen la necesidad de extraer información de documentos que reciben de sus proveedores o clientes, la cual se suele almacenar en sus sistemas de información con el fin de mejorar la gestión o para tener un mayor conocimiento sobre el mercado, lo que puede suponer una ventaja competitiva con respecto a la competencia.

Sin embargo, en la mayoría de los casos, la extracción de datos a partir de documentos de texto para su grabación en las BBDD o en los sistemas de información de la empresa, suele ser un trabajo manual, poco estimulante y que conlleva mucha duración y recursos.

El conocimiento a transferir se materializa en un servicio de consultoría y el diseño de software a medida, según la necesidad de cada empresa, a partir de trabajos previos en el desarrollo de redes neuronales, con el objetivo de automatizar la “extracción inteligente” de datos.

Un ejemplo de aplicación de este servicio es la extracción de datos de distintos tipos de facturas de compañías eléctricas que permitan desarrollar modelos a partir de la explotación de estos datos con el fin de analizar el comportamiento del mercado y poder implementar políticas que puedan contribuir a mejorar su acción comercial.

La optimización de procesos implica la reestructuración de los esfuerzos para garantizar un aumento de la productividad, en operaciones más seguras, eficientes y económicas.

Sin embargo, las empresas están cada vez más comprometidas a contribuir en evitar el cambio climático conforme a los Objetivos de Desarrollo Sostenible de la ONU, lo cual pasa por reducir la cantidad de emisiones de gases de efecto invernadero que genera el ciclo de vida de sus procesos y actividades, así como en la utilización de sus productos/servicios.

Por tanto, se requiere de modelos de análisis de datos que puedan utilizarse para calcular la huella de carbono en todos los procesos productivos, ayudando no solo a su optimización, sino también a reducir su impacto climático.

Mediante el uso de un software de desarrollo propio y la aplicación de técnicas avanzadas de análisis y procesamiento de datos, el servicio ofertado implica el desarrollo de proyectos “ad hoc” para dar soporte en el proceso de toma de decisiones para la optimización de procesos productivos, de logística y de transporte, reduciendo simultáneamente su huella de carbono.

El “Data Analytics” en las empresas es fundamental para facilitar la adecuada toma de decisiones en el día a día y obtener así mejores resultados. Para ello, es fundamental la extracción y análisis de aquellas variables que sean relevantes en la clasificación o predicción de cualquier tipo de problemática que sea importante para la empresa (demanda, ingresos, cancelaciones, etc.). Para ello, se utilizan un conjunto de algoritmos clasificados como de Inteligencia Artificial, entre lo que cabría citar, a modo de ejemplo, los siguientes:

• Árboles de decisión.
• Modelos probabilísticos.
• Redes bayesianas.
• “Deep learning” – Redes neuronales convolucionales, recurrentes, profundas, entre otras.
• “Support Vector Machines”.
• “K-nearest neighbors”.
• “K-means”.

Este tipo de algoritmos, a través de su estructura matemática, pueden comprender patrones complejos y determinar qué variables son las más relevantes para predecir determinadas situaciones.

Se trata por tanto de un servicio de asistencia técnica a la medida de la empresa u organización, consistente en la aplicación de “Data Analytics” e Inteligencia Artificial, con el fin de obtener información relevante con la cuál poder mejorar la gestión y generar rendimientos positivos. Este tipo de soluciones formarán parte del conjunto de activos que conforman el “business intelligence” del negocio para tomar dediciones más acertadas.

Así, por ejemplo, para empresas hoteleras, se podría realizar un análisis del comportamiento del turista con el fin de realizar previsiones acerca de si éste va a cancelar su reserva o no, y con ello, gestionar de forma más adecuada el conjunto de reservas del hotel.

La estructuración del servicio de asistencia técnica implica, entre otras, las siguientes etapas:

• Obtención del conjunto de datos a utilizar.
• Preprocesado de datos. Empleo de tareas de “data cleansing”.
• Extracción y análisis de los datos ya preprocesados, y generación de variables relevantes con el fin de resolver de forma adecuada la problemática a tratar.
• Empleo de algoritmos basados en inteligencia artificial para la generación de predicciones.
• Elaboración de informes con los resultados obtenidos, que incluirán recomendaciones acerca de la forma en la que pueden integrar la herramienta en su conjunto de “business intelligence” para la toma de decisiones.

Para llevar a cabo este servicio, se aplica la metodología Cross Industry Standard Process for Data Mining (CRISP-DM), un estándar en el desarrollo de proyectos basados en “data mining” e Inteligencia Artificial, y que destaca porque a lo largo del servicio de asistencia técnica se tienen en cuenta las consideraciones del cliente y sus necesidades.

Aunque en la mayoría de los casos el volumen de datos requeridos no es masivo, sí es preciso que dichos datos sean de calidad para poder obtener resultados de valor para la organización.

El desarrollo de las herramientas software a utilizar en la asistencia técnica se realizará a través de lenguajes de programación como Python y R

Las imágenes hiperespectrales permiten la recopilación de información a lo largo de todo el espectro electromagnético, lo que facilita la identificación de materiales mediante el espectro emitido o absorbido por estos. Uno de los grandes retos a los que se enfrenta la tecnología hiperespectral es el análisis de la información en tiempo real, para lo cual existen diferentes soluciones en el mercado, todas ellas con un objetivo común: distinguir y separar los diferentes componentes de la imagen analizada.

Una de las principales dificultades que presenta la trasmisión de datos hiperespectrales es la compresión de la ingente cantidad de información obtenida de la imagen captada para su transmisión en tiempo real, sin comprometer su calidad.

La solución que se propone consiste en un sistema basado en un algoritmo de compresión de imágenes hiperespectrales con pérdidas (HyperLCA) caracterizado por altas tasas de compresión, buen rendimiento y una carga de compresión reducida, que se ejecuta en un ordenador instalado en una plataforma aérea no tripulada (UAV) a partir de las imágenes captadas mediante una cámara hiperespectral pushbroom también instalada en la plataforma.

El método seguido mediante este sistema para comprimir y descomprimir imágenes hiperespectrales consiste en trocear la imagen a comprimir en imágenes mucho más pequeñas para poderlas transferir fácilmente y luego volverlas a fusionar, obteniendo la imagen original.

La industria espacial se ha interesado en los últimos años por incluir, como parte de su instrumentación, sensores de alta resolución encargados de capturar tanto imágenes hiperespectrales, como de vídeo, con fines de monitorización, identificación y caracterización de la superficie de la Tierra. Sin embargo, este tipo de sensores también están siendo utilizados en misiones de exploración de Marte y de la Luna, por lo que su rango de aplicación se prevé que siga expandiéndose en la próxima década.

Aunque un incremento en la resolución de los sensores conlleva la adquisición de un mayor volumen de información útil para distintas aplicaciones científicas, dicha cantidad de datos no es fácil de manejar y procesar a bordo de los satélites, dadas las restricciones actuales en cuanto a la capacidad computacional de la electrónica embarcada y del ancho de banda de dichos satélites con las estaciones ubicadas en la superficie terrestre.

Como soluciones a estos problemas, la División de Diseño de Sistemas Integrados (DSI) del Instituto Universitario de Microelectrónica Aplicada (IUMA) de la ULPGC ha desarrollado una serie de soluciones de baja complejidad arquitectural, principalmente vinculadas a la compresión de datos, imágenes hiperespectrales y de vídeo, tanto pancromático como RGB, que permitan gestionar, almacenar y transmitir a Tierra de forma eficiente este gran volumen de datos, sin comprometer la calidad de los datos adquiridos. Estas soluciones cumplen con los estándares CCSDS publicados para el diseño eficiente de sistemas electrónicos de procesamiento a bordo de satélites, y cuentan con el respaldo y la financiación de organismos como la Agencia Espacial Europea (ESA), la cual ya tiene en consideración algunas de estas soluciones para ser integradas en futuras misiones espaciales, como la misión CHIME, que será parte del programa Copernicus 2.0 para la observación de la Tierra.

Además de realizar una compresión eficiente de la información adquirida, recientemente la División ha desarrollado soluciones basadas en redes neuronales para la detección de objetivos desde satélites que integren sensores de vídeo para aplicaciones como, por ejemplo, detección y monitorización de desastres naturales o de actividades ilegales, como la piratería en la costa oeste de África. Esta última actividad se enfoca dentro del proyecto europeo H2020 denominado VIDEO (Video Imaging Demonstrator for Earth Observation), en el cual el IUMA participa con grandes empresas del sector espacial, como Thales Alenia Space.

Los modelos de viento son herramientas que permiten el estudio de diversos problemas relacionados con la atmósfera, tales como, el estudio de cómo afecta el viento a una determinada estructura, la dispersión de contaminantes, el estudio del emplazamiento de parques eólicos o la propagación de incendios. De esta manera, los modelos de viento son, pues, herramientas cada vez más importantes para afrontar con solvencia una amplia gama de problemas de interés social, político y económico, y cada vez se exige más de ellos.
Así, con el objetivo de ofrecer un medio que permita estudiar y simular los campos de vientos, se presenta una solución consistente en un software de predicción, a través del cual, se puede calcular el campo de viento de cualquier área de interés, teniendo siempre como base otro campo conocido, ya sean estaciones meteorológicas específicas o predicciones de un modelo numérico meteorológico como el del Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF, por sus siglas en inglés) [Este modelo europeo se ejecuta cada 12 horas y es capaz de elaborar la previsión meteorológica con 10 días de adelanto].
Para su funcionamiento, el software tiene en cuenta los procesos físicos que gobiernan el perfil del viento en la atmósfera y la orografía y, para ello, se necesita recopilar o introducir los siguientes datos en el sistema:

(1) Malla de tetraedro del dominio de cálculo.

(2) Mapa con la rugosidad y la altura de desplazamiento del terreno.

(3) Valores puntuales del viento (velocidad y dirección).

El resultado que se obtiene mediante el análisis de esta información es un modelo o representación, que refleja el campo de viento en todos los nodos de la malla de tetraedros. Además, se puede especificar puntos concretos en los que conocer el campo de viento.
Precisamente, el software, denominado Wind3D y comercializado en licencias, es un programa que, a partir de datos puntuales, calcula el campo de viento en un dominio tridimensional. Este dominio de cálculo se encuentra limitado, en su parte inferior, por el terreno o suelo objeto de estudio y, en su parte superior, se eleva el límite de análisis a la altura que se desee.
Esta solución, se presenta como un elemento interesante para generar bases de datos para las configuraciones de viento más probables en una región determinada. Además, se puede aplicar a cualquier escenario en el que el viento sea importante y no se disponga de una medición de la zona de interés.
A continuación, se recogen algunas aplicaciones de esta solución:

• Cálculo del campo de viento en parques eólicos. Esto permite la evaluación de la potencia producida por un aerogenerador en función de su ubicación y su comparación con las curvas suministradas por el fabricante.
• Identificación de localizaciones óptimas para parques eólicos.
• Estudios sobre la propagación de contaminantes por la atmósfera.
• Estudio sobre la dispersión de las semillas de determinadas plantas, lo que hace posible la supervivencia y dispersión de estas especies vegetales, así como las poblaciones de insectos voladores.
• Propagación de incendios forestales. El viento afecta a la extensión de los incendios forestales, en la medida en que puede detenerlos o acelerarlos.
• Análisis de los efectos del viento sobre el ganado. En este caso, el viento, en combinación con las temperaturas frías, tiene un efecto negativo sobre los animales de ganado. Además, el viento afecta a las reservas de alimento de los animales y sus estrategias de caza y defensa.
• Predicción de la capacidad de transporte de líneas eléctricas aéreas.

Al contrario que muchos tumores, dónde su identificación es relativamente sencilla, la detección de tumores cerebrales durante las operaciones quirúrgicas sigue suponiendo un gran reto, sobre todo por su frecuencia y por la agresividad y mal pronóstico de los mismos.

A diferencia de otros tumores, el tumor cerebral se infiltra en el tejido cerebral normal circundante y, por lo tanto, sus bordes son confusos y extremadamente difíciles de identificar a simple vista por el cirujano. El tejido cerebral normal circundante es crítico y no hay redundancia, como en muchos otros órganos, donde el tumor se reseca junto con un amplio bloque circundante de tejido normal para evitar futuras metástasis. Esto no es posible en el cerebro, donde es esencial identificar con precisión los márgenes del tumor para resecar la menor cantidad de tejido sano posible. Por ello, para los cirujanos resulta esencial la visualización, en tiempo real, de la ubicación y los límites del tumor cerebral para su extracción precisa en quirófano.

Las imágenes hiperespectrales permiten la adquisición de un gran número de bandas espectrales en todo el espectro electromagnético (dentro y fuera del rango visual) de la superficie capturada por los sensores. Usando esta información y algoritmos de clasificación personalizados, es posible determinar el material o sustancia que compone cada píxel. Esta tecnología se puede utilizar como una herramienta de orientación durante las resecciones de los tumores cerebrales.

En este sentido, el trabajo realizado permite explotar las características de las imágenes hiperespectrales, desarrollando un demostrador intraoperatorio capaz de realizar una localización precisa de los tumores malignos durante procedimientos quirúrgicos cerebrales. Se consigue una delineación muy precisa de los límites tumorales que mejora los resultados de la cirugía. Como una prueba de concepto, el demostrador desarrollado es capaz de generar mapas temáticos de la superficie cerebral expuesta utilizando información espectral del rango comprendido entre 400 y 1000 nm. Estos mapas temáticos distinguen entre cuatro clases diferentes: tejido normal, tejido tumoral, tejido hipervascularizado (vasos sanguíneos) y elementos del fondo (background). En estos mapas, los límites del tumor pueden ser fácilmente identificados, proporcionando el resultado en menos de 10 segundos cuando se utiliza aceleración en GPUs de gran potencia de cálculo. Este trabajo ha logrado excelentes resultados en la discriminación entre el tumor y el tejido cerebral normal de forma no invasiva, mejorando así los resultados de los procedimientos neuroquirúrgicos.

El resultado es un sistema completo (cámaras, soporte, electrónica, programas, etc.) que permite indicar al neurocirujano en tiempo real la localización de los tumores.

Solar Tower es un dispositivo que permite calentar comida elaborada y, si se dan las condiciones climáticas necesarias, también cocinar platos que necesitan cocción utilizando exclusivamente energía solar, limpia, gratuita y ecológica.

Solar Tower no solo resuelve un problema técnico, sino que también garantiza un uso fácil, cómodo, intuitivo y que necesita de poco mantenimiento.

Solar Tower está pensado para zonas verdes (plazas, parques, áreas de recreo, campus universitarios) de la ciudad, en las que gracias a su implantación se generarían áreas de picnic urbano en las que se podría comer platos calientes, algo que no suele suceder por la falta de equipamiento para calentar o cocinar.

En definitiva, se pretende dar un uso funcional a espacios al aire libre en los que las personan acuden normalmente al mediodía a comer, pero donde siempre se ven obligados a comer frío en lugares inadecuados (un banco, un bordillo, una escalera o dentro del coche). Solar Tower, al generar a su alrededor una zona de picnic con mesas y asientos, papeleras, pérgolas o toldos, crea un espacio idóneo, digno y funcional, para quien desea comer al aire libre.

Es una alternativa a terrazas de restaurantes que pueden ser más costosas para trabajadores y estudiantes que verían dignificado su táper al poder comerlo en un espacio de calidad pensado para ello.

Además, establece un punto de encuentro y de referencia que fomenta la sociabilidad, pues también está dirigido a grupos o familias que desean comer y hacer celebraciones en espacios abiertos en el ámbito urbano y prepararse su propia comida sin tener que salir de la ciudad.

El cambio climático es uno de los mayores desafíos del siglo XXI, por ello, en el proceso de adaptación a éste, juegan un papel importante acciones como la reutilización de las aguas residuales depuradas, el riego eficiente y la prevención y reducción de la contaminación.

La reutilización de las aguas depuradas, particularmente en Canarias, y el fomento del uso más eficiente contribuirá, de forma significativa, a paliar el déficit hídrico y a favorecer la conservación del medio ambiente. Para ello, las aguas residuales urbanas depuradas deben contar con una calidad físico-química y sanitaria adecuada, pudiendo constituirse como un recurso apto para el riego agrícola, que puede aplicarse también a campos de golf, parques y jardines y otros usos no potables.

Con el fin de aportar una herramienta para la reutilización agrícola sostenible de agua, se propone la siguiente solución, consistente en la posible instalación de un proyecto piloto de riego por goteo enterrado y/o la propuesta de tratamientos adicionales en las estaciones depuradoras de aguas residuales (EDAR) y/o la determinación de las mejores prácticas agrícolas para que la reutilización resulte sostenible. Con la propuesta se lleva a cabo un servicio de adaptación de la calidad del agua tratada a las condiciones agroecológicas, permitiendo su reutilización segura y la obtención de más alimentos con menor cantidad de agua.

El control de la calidad del agua es importante porque, por ejemplo, los contenidos de Boro implican un riesgo de producir fitotoxicidad en los cultivos sensibles. Sin embargo, su biodisponibilidad depende tanto de las condiciones del suelo como del manejo del agua en campo. Por tanto, si su biodisponibilidad supera el nivel que crea fitotoxicidad en los cultivos sensibles, un riego continuado con estas aguas podría provocar desequilibrios de nutrientes en los cultivos. En este sentido, es necesario determinar la biodisponibilidad, el riesgo de fitotoxicidad, el manejo del agua y suelo que eviten los problemas o el diseño de tratamientos adicionales que disminuyan la cantidad de Boro aportado.

En consecuencia, hay que tener en cuenta el tipo de suelo donde se va a implementar el sistema de regadío, haciendo evaluaciones específicas y ensayos de laboratorio. En Canarias el elevado precio de las aguas convencionales y sus fluctuaciones (0,3 a 1 €/m3) ha incrementado el abandono de cultivos, lo que supone un riesgo de degradación del suelo. La disponibilidad de recursos alternativos más baratos permitirá diseñar infraestructuras óptimas que posibiliten recuperar las inversiones.

De esta manera, el sistema de riego propuesto permite determinar los tratamientos suplementarios y las técnicas de mantenimiento del sistema necesarios para garantizar la sostenibilidad de éste en unas condiciones agroecológicas concretas. Además, se determinan las prácticas culturales mejor adaptadas a cada situación, permitiendo minimizar el impacto del cambio climático y el efecto del uso de agua regenerada sobre el medio ambiente (incluido el acuífero subyacente).

En este sentido, se determina el manejo del sistema agrario en forma de “buenas prácticas” que optimizan los recursos utilizados con tecnologías de agricultura inteligente e intensificación sostenible. Así, se garantiza la seguridad y sostenibilidad de la reutilización agrícola con agua de municipios rurales y estaciones depuradoras de bajo coste y consumo energético.

La Enfermedad de Alzhemier (EA) no es una enfermedad fácil de diagnosticar. Inicialmente el diagnóstico se realiza descartando que los síntomas del paciente correspondan a otros orígenes, realizando múltiples pruebas. El proceso para realizar el diagnóstico comienza con un estudio de la historia clínica en la que el facultativo evalúa los antecedentes del enfermo y de su familia.

A continuación, se realiza un examen neuropsicológico en el que se confirmará que los síntomas presentados corresponden a una forma de demencia. Para realizar este estudio existe gran número de test de detección. En cualquier caso, será necesario tener en cuenta la edad y la posibilidad de padecer otros trastornos.

Generalmente, tras síntomas clínicos y el deterioro de dos o más funciones cognitivas, y una vez descartada una segunda enfermedad que sea la causa de la demencia, es común el uso de estudios más sofisticados para apoyar el diagnóstico denominados estudios de neuroimagen. Estos estudios se clasifican en dos grupos.

En el primer grupo se encuentran los estructurales, fundamentalmente basados en la Tomografía Axial Computerizada (TAC) y la Resonancia Magnética (MRI), a partir de los cuales es posible excluir lesiones estructurales como causa de la demencia. En el segundo grupo están los estudios funcionales tales como la Tomografía Computerizada de Fotón Simple (SPECT) y la Tomografía de Emisión de Positrones (PET). Los estudios de neuroimagen son herramientas que ayudan a confirmar una sospecha de diagnóstico, pero no son pruebas definitivas para confirmar la enfermedad.

Otra prueba diagnóstica es la basada en marcadores biológicos, obtenidas de una punción lumbar en la que se obtiene líquido encefalorraquídeo, donde se busca una disminución del beta-amiloide y un incremento de la proteína tau para reforzar el diagnóstico.

Por último, es posible una última prueba basada en criterios histopatológicos, la cual se basa principalmente en cuantificar las placas seniles y los ovillos neurofibrilares, propios de la enfermedad. Cuanto mayor sea el número de pruebas utilizadas en la detección, mayor será la fiabilidad del diagnóstico. Actualmente el diagnóstico se produce cuando ya han comenzado las manifestaciones de la enfermedad.
El diagnóstico de la primera fase de la EA, es una tarea problemática ya que los pacientes y sus familiares tienden a ignorar las primeras manifestaciones clínicas o atribuir a los cambios cognitivos esperados relacionados con la edad. Por lo general se tarda de 2 a 3 años para acudir al médico después de la aparición de los síntomas.

En este contexto, el proyecto PROGNOSIS propone desarrollar una herramienta no invasiva, automática, basada en el procesado digital de habla espontánea, para la detección temprana de la EA y el control evolutivo de los enfermos.

En la actualidad, el Instituto para el Desarrollo Tecnológico y la Innovación en Comunicaciones (IDeTIC), está realizando un estudio observacional con sujetos sanos y enfermos de Alzheimer para conocer su evolución a lo largo del tiempo, con el fin de validar si las alteraciones en la voz podrían anunciar la enfermedad, lo que está permitiendo configurar una base de datos de enfermos, esencial para probar el sistema. El objetivo de este estudio es garantizar que el sistema no tenga falsos negativos (enfermos no diagnosticados). Por contra, sí admitirá un margen de error ajustado en lo que se refiere falsos positivos (sanos diagnosticados erróneamente) que, en una segunda evaluación, podrían ser descartados como enfermos tras la realización de pruebas complementarias.