Etiqueta: big data

e-saludTIC

Machine Learning: ¿Podrían sustituir los robots a los médicos?

En los años 50 del siglo XX ya existía la Inteligencia Artificial (IA), pero es ahora cuando está más presente y creciendo a una mayor velocidad.

En la actualidad, el 84% de las grandes compañías ya utilizan IA y, tal y como señala un estudio realizado por Tata Consultancy Services (TCS), se prevé que en 2020 todas las empresas habrán incorporado IA en alguna de sus áreas de negocio estratégicas.

Pero vayamos por partes, en nuestro primer post ¿Qué sabes de Big Data? ya hablamos de esta tecnología y de los diferentes campos en lo que puede ser útil.

Posteriormente en el post Tendencias en e-learning, un sector en crecimiento explicamos las diferencias entre Machine Learning (ML), Deep Learning (DL) e Inteligencia Artificial (IA).

Resulta complicado distinguir estas tecnologías, que, aunque son similares ya que se basan en el procesamiento de ingentes cantidades de datos, se diferencian en su nivel de complejidad.

La Inteligencia Artificial es la tecnología más básica de este grupo. Un paso más allá está el Machine Learning o Aprendizaje Automático, máquinas con capacidad de auto aprender, auto programarse y corregir errores, y, por último, el Deep Learning, que, además de lo anterior, permite tomar decisiones y solucionar problemas de forma similar a como lo haría un cerebro humano.

Pero hoy nos centraremos en el Machine Learning (ML) y sus aplicaciones en el mundo de la medicina.

El gran volumen de información disponible, así como los grandes avances que se han producido en el campo de la salud permiten diversos usos del ML en este campo, como la analítica avanzada o en la detección de enfermedades como el glaucoma, afecciones cardiovasculares, Alzheimer o diversos tipos de cáncer. El diagnóstico de estas patologías se ha mostrado muy preciso y efectivo gracias a la utilización de esta tecnología.

Sin embargo, existen ciertas limitaciones ya estos sistemas funcionan con datos objetivos como pruebas de diagnóstico por imagen, análisis clínico o mediante el análisis de síntomas previamente introducidos en una base de datos y no con información directamente extraída del propio paciente. Si el paciente se equivoca o miente u omite algo, el médico es capaz de detectarlo. ¡Las máquinas no!

Asimismo, el ML se ha mostrado muy útil en la predicción de enfermedades como el cáncer. A través de esta tecnología se pueden descubrir distintos patrones y relacionarlos utilizando bases de datos que incluyen información sobre diferentes factores de riesgo como la edad, dieta, historia clínica, peso, hábitos de riesgo o factores ambientales no favorables como aspectos fundamentales en el diagnóstico precoz de esta patología.

Robots y médicos

Asimismo, los avances en el campo de la psiquiatría gracias al ML también son numerosos. Uno de los casos más llamativos ha sido Ellie, un robot creado en el Instituto de Tecnologías Creativas de la USC en Estados Unidos para la detección de diversas patologías psiquiátricas como el trastorno de estrés postraumático o la depresión, a través del análisis de la entonación, expresiones y respuestas del paciente a cuestiones formuladas por esta máquina, del mismo modo que lo haría un profesional.

En esta misma línea, un equipo del Hospital Infantil de Cincinnati ha realizado un trabajo sobre riesgo de suicidio, en el que mediante entrevistas se trababa de averiguar si los individuos participantes eran personas proclives a quitarse la vida. Además, se tenía en cuenta no solo las respuestas sino también la entonación o la armonía de las respuestas.

La investigación en el ámbito farmacológico también se ha visto enormemente beneficiada por la incorporación del ML. Gracias a esta tecnología se ha logrado minimizar los efectos secundarios de medicamentos de forma previa a los ensayos con humanos.

Existen muchos más ejemplos, pero es imposible que nos detengamos en cada uno de ellos. La aplicación de modelos de aprendizaje computacional para la clasificación de pacientes con artritis reumatoide y controles, a partir de datos genéticos, serológicos y clínicos; la creación de sillas de ruedas autónomas, que permitirán trasladar a los pacientes por el hospital liberado al personal de esta tarea; o estudios que demuestran que ML es capaz de mejorar la calidad asistencial y el gasto sanitario  en los hospitales, son algunos de ellos.

Queda lejos aún la posibilidad de sustituir a los médicos por robots y aunque existen casos aislados, como el de Ellie. Pero lo que sí parece evidente es que se avanza hacia una medicina mucho más personalizada en la que estos profesionales sanitarios tendrán que apoyarse en la robótica y en el análisis de datos para poder diagnosticar y tomar decisiones a partir de la gran cantidad de información disponible.

 

 

e-saludgamingTIC

La realidad virtual se abre camino en el campo de la salud

Parece que la realidad virtual (RV) y el marketing no hacen mala pareja y, aunque aún se encuentran en una fase temprana de la relación, se prevé que en cinco años este tándem esté mucho más consolidado.

Aunque el acercamiento a esta tecnología aún es tímido, se estima que este año el número de consumidores de RV llegue a los 90 millones globalmente, una cifra que podría casi duplicarse en 2018.

Cada vez son más las empresas que incluyen esta tecnología dentro de sus estrategias de marketing y las que aún no lo han hecho podrían quedar rezagadas más adelante. Pero no todas las marcas se beneficiarán por igual de la RV y muchas se muestran escépticas sobre el papel que puede desempeñar para alcanzar sus objetivos. Según un informe de Forrester Research, el mundo del automóvil, el sector hotelero y las inmobiliarias son las industrias que podrán sacarle más partido.

Por otro lado, las empresas más innovadoras siguen rizando el rizo para fabricar los productos más punteros. Facebook trabaja en unos guantes para realidad virtual y aumentada que funcionarían con cascos Oculus Rift, aunque aún se desconocen sus aplicaciones prácticas. Microsoft, está centrado en lanzar un casco de RV de tercera generación que, seguramente, estará disponible en 2019. Por su parte, Google cuenta con Google Cardboard una plataforma de RV de bajo coste cuyo objetivo es transformar un smartphone con Android en una plataforma de RV con tan solo un cartón y dos lentes, diferenciándose así de otros dispositivos que necesitan de un ordenador potente y un software específico.

Aplicaciones terapéuticas de la RV

Sin embargo, el mercado de la RV se va abriendo camino en otros campos como el de la salud. De hecho, el sector sanitario representa ya el 12% de los proyectos de RV que se realizan en nuestro país, según señala el Mapa del Estado de la Realidad Virtual en España, elaborado por The App Date, y se prevé que los proyectos de RV en salud facturarán 5.000 millones de euros en nueve años, según un informe de Goldman Sachs.

Tal y como señala el estudio ’Big Data en Salud Digital’ de la ONTSI y la Fundación Vodafone, el potencial de la RV como herramienta para la investigación médica, la formación o la rehabilitación de pacientes, es indudable.

La “ciber-anatomía” se ha mostrado muy útil para la formación de profesionales del ámbito sanitario. Por ejemplo, las simulaciones de cirugías “virtuales” les ayudan a enfrentarse a intervenciones quirúrgicas complejas.

Pero una de las áreas donde está más presente es en el tratamiento e investigación de los trastornos mentales, como el estrés postraumático, la fobias o las adicciones, y de las patologías neurológicas. Los datos que se extraen permiten comprender mejor el comportamiento cognitivo de los pacientes y conocer más de cerca sus afecciones.

En esta línea, un equipo de científicos del Instituto Karolinska de Suecia, llevó a cabo un proyecto con pacientes afectados de fobia social. Mediante gafas de RV los participantes se veían como si fueran invisibles, lo que les permitía enfrentarse con mayor seguridad y menos estrés a situaciones en las que tenían que tratar con otros individuos.

Otro gran proyecto, con sello español, es CicerOn, una aplicación que, a través de técnicas inmersivas de RV, ayudará a los afectados por el síndrome de Asperger, un trastorno del espectro autista, a incrementar sus capacidades sociales y comunicativas, utilizando técnicas de gamificación.  Este sistema, desarrollado por el Centro Universitario de Tecnología y Arte Digital (U-tad), utiliza las Samsung Gear VR y se espera que muy pronto sea compatible con Oculus Rift o HTC VIVE.

También la RV se ha mostrado muy útil en la detección temprana de diversas patologías. En este sentido, un grupo de científicos de la Universidad Politécnica de Tomsk y la Universidad Estatal de Medicina de Siberia, en Rusia, ha desarrollado un sistema experimental de diagnóstico precoz de enfermedades neurodegenerativas como el Parkinson o la esclerosis múltiple. El sistema utiliza gafas de realidad aumentada y, una vez que el paciente entra en un entorno virtual, permite detectar sus cambios posturales mediante sensores de movimiento observando si es capaz de mantener una posición estable o, por el contrario, sufre una pérdida del equilibrio.

La tecnología al servicio de la salud avanza a una velocidad vertiginosa y sus posibilidades son infinitas. Precisamente ayer los medios de comunicación se hacían eco de la noticia de la creación de una nueva empresa del sector de la neurotecnología, llamada Neuralink, que permitirá al cerebro humano conectarse e interactuar con ordenadores. Aunque no se trata de RV sino de inteligencia artificial, uno de los usos previstos será también el tratamiento de trastornos neurológicos como la epilepsia o el Parkinson. Y esto sólo es el principio…

 

 

e-learningredes socialesTIC

Tendencias en e-learning, un sector en crecimiento

Desde el año 2000, el e-learning ha crecido nada menos que un 900%. Esta industria es, sin duda alguna, una de las que ha aumentado más rápidamente en todo el mundo, gracias en gran parte a los avances tecnológicos.

El e-learning presenta numerosas ventajas frente al aprendizaje tradicional ya que permite una gran flexibilidad en cuanto a los horarios, evita los desplazamientos y la asistencia periódica a una clase y se puede realizar desde cualquier parte.

Sin embargo, aún existen reticencias por parte de algunos en lo que a calidad de la enseñanza se refiere. En este sentido, según The Research Institute of America, este tipo de formación aumenta las tasas de retención del conocimiento en hasta un 60%, frente al promedio de 8% a 10% del aprendizaje presencial. De hecho, los participantes en un curso e-learning aprenden cinco veces más sin incrementar el tiempo invertido.

Otro de los puntos dudosos es la motivación por parte del alumno, pero hay formas de estimular a los usuarios para formarse a distancia, con el objetivo de asegurar su participación y compromiso a lo largo del curso. En este sentido, la auto-motivación, la aplicación de los conocimientos adquiridos y el papel de apoyo por parte del tutor son fundamentales.

Cambio de paradigma

Pero el modelo de e-learning tradicional basado en una plataforma LMS en la que se cuelgan contenidos y en la que un tutor motiva a los alumnos y resuelve sus dudas se queda ya corto. El modelo era muy similar al presencial, solo que se sustituía la clase por una plataforma y el libro por contenido web.

Ha sido la incorporación de las redes sociales, los blogs y los WIKIs a esta metodología de aprendizaje, así como el cambio de paradigma a un aprendizaje centrado en el usuario y no en el profesor, lo que ha representado un paso fundamental. Se trata de una estrategia ideal para evitar que los usuarios se sientan solos frente a su ordenador ya que les permite tener contacto con otros compañeros y compartir con ellos información.

Luis García, director Creativo de Genially

Luis García, director Creativo de Genially

“Somos seres interactivos”, señalaba ayer en Expoelerning, Luis García, director Creativo de Genially.

Hoy en día se manejan grandes cantidades de datos online de los usuarios. Resulta fácil conocer nuestros gustos, aficiones, pero también nuestros intereses en cuanto a formación. Las empresas de e-learning han visto aquí una gran oportunidad y son capaces de ofrecernos una formación más adecuada a nuestras necesidades.

A juicio de Isabel Fuentes Ardila, directora Comercial de AEFOL y de las feria Expoelearning, las principales novedades en el sector del e-learning se refieren a la tecnología. En su opinión, “las empresas que invierten en I+D son las que mejor han aguantado la crisis y las que presentan sus nuevos productos que compiten en un mercado global”.

Para Isabel Fuentes, la situación de la formación online en España frente a otros países es buena, aunque inferior a países como Estados Unidos o Corea del Sur, por lo que resulta necesario invertir más en investigación y desarrollo para producir un e-learning adaptado a nuestro modo de ser y estudiar.

Pedro García, director y cofundador de Learnsity

Pedro García, director y cofundador de Learnsity

En lo que se refiere a esta industria, los países de Latinoamérica aún se encuentran alejados de España, pero según Pedro García, director y cofundador de Learnsity, su avance ha sido muy importante en los últimos años y sitúa a Colombia al frente. Este experto, que presentó ayer en el Digital Corner de Expoelerning una ponencia sobre plataformas y contenidos de última generación, destacaba que “el contenido de un curso tiene que ser vivo”.

Se estima que en los próximos años continuará con esta tendencia y, en concreto, en España y Latinoamérica esta forma de aprendizaje se incrementará un 24%.

Novedades en Expoelerning

ExpoelearningLos días 2 y 3 de marzo de 2017 más de 5.000 visitantes y 200 congresistas se han dado cita en la XVI edición del Congreso Internacional y Feria profesional Expoelerning organizada por AEFOL en Ifema. Bitaminia+ ha estado allí para conocer de cerca las novedades del sector.

Digitla Corner

Digital Corner

Se trata de uno de los mayores eventos internacionales, que se ha consolidado ya como la mayor feria comercial y congreso internacional de e-learning que se realiza en España y América Latina.

Stands de Expoelearning

Stands en Expoelearning

En el congreso, cuyo tema central ha sido “Machine Learning”, se han presentado las últimas tendencias sobre inteligencia artificial aplicadas a la formación online y debates como: “Entrenando para el Futuro; Internet, Machine Learning, Deep Learning y Big Data” de la mano de Andreu Veà, fundador y actual presidente de Internet Society España y único europeo seleccionado como asesor en el comité de “Internet Hall of Fame”.

Pero, ¿cuáles son las diferencias entre Machine Learning (ML), Deep Learning, Big Data y la Inteligencia Artificial (IA)? Resulta complicado distinguir estas tecnologías, que, aunque son similares ya que se basan en el procesamiento de ingentes cantidades de datos, lo que llamamos Big Data, se diferencian en su nivel de complejidad. La Inteligencia Artificial es la tecnología más básica, un paso más allá está el Machine Learning (Aprendizaje Automático), con la capacidad de auto-aprender y corregir errores, y, por último, el Deep Learning, que, además de lo anterior es capaz de tomar decisiones.

Durante el evento también se han tratado otros temas relacionados con el mundo de la Gamificación y Storytelling, Robótica y Realidad Inmersiva o Social and Collaborative Learning, entre otros.

Las aulas del futuro

CITEC Y CAMPUS FP presentan hoy en Expoelerning el primer proyecto de Formación Profesional reglada a través de la teleformación inteligente. Utiliza la más moderna tecnología a través de la Televisión Digital Interactiva y Gamificada y se dirige a las nuevas profesiones digitales como Comunity Manager Avanzado, analista de métricas, productor de contenidos, experto en Impresión 3D, diseño web Y SEO y SEM, aplicando inteligencia artificial al aprendizaje y a la educación. La metodología conlleva la adquisición de habilidades basadas en competencias profesionales y académicas.

Víctor Sánchez, CEO de Mashme TV

Víctor Sánchez, CEO de MashMe TV

Por su parte, Víctor Sánchez, CEO de MashMe TV, señalaba ayer: “La idea es trasladar la experiencia de las aulas al mundo del e-learning”. Su apuesta para llevar un paso más allá al sector de la educación online se ha traducido en una plataforma social situada en la nube que, mediante el uso de múltiples pantallas, conecta a través de videoconferencia (videocolaboración) a cientos de estudiantes y profesores con el objetivo de compartir conocimientos y contenidos. “El aula del futuro no es monodireccional”, destacaba este experto.

Si quieres saber más de las tendencias en e-Learning para 2017 os recomendamos este artículo: “8 Tendencias educativas en e-Learning para 2017”.

 

 

 

TIC

¿Qué sabes de Big Data?

Big Data para principiantes

big-data

No es una moda pasajera ni una tecnología del futuro; Big Data es real y ya forma parte de nuestra rutina, aunque no seamos conscientes de ello.

Los medios de comunicación se hacen eco de su utilidad e, incluso, es posible que escuchemos que la empresa en la que trabajamos se quiere “subir al carro” del Big Data, pero, ¿sabemos realmente de qué se trata y para qué sirve?

Términos como M2M, zetabytes, Data Mining o Clustering, nos suenan a chino y lo más seguro es que si preguntamos a nuestros amigos o colegas de trabajo no nos arrojen ninguna luz al respecto.

Con este post intentaremos acercarnos un poco más a esta tecnología dando respuestas sencillas a preguntas que seguro muchos nos hacemos.

¿Cuándo aparece?

Parece que su origen se remonta a 1998, año en que el informático John Mashey publicó un estudio llamado “Big Data and the Next Wave of Infrastress” en el que avanzaba que la cantidad de información que se generaría en el futuro exigiría el uso de nuevas tecnologías.

¿Qué significa?

Big data o datos masivos es un concepto que hace referencia a la transformación de grandes cantidades de datos, que no pueden ser procesados o analizados utilizando las herramientas tradicionales, en información de utilidad que facilite la toma de decisiones, incluso en tiempo real.

¿Qué es lo que diferencia a Big Data de los sistemas analíticos tradicionales?

La respuesta está en las 3 Vs: la necesidad de procesar un inmenso Volumen de datos con la mayor Velocidad posible y teniendo en cuenta su gran Variedad. Recientemente se ha añadido dos más, Veracidad y Valor del dato (5Vs)

¿En qué campos es útil?

Todos utilizamos Big Data a diario. Cuando nos metemos en un buscador es también esta tecnología la que proporciona los resultados de dicha búsqueda. Del mismo modo, con ese mismo clic ya estamos dejando una huella y proporcionando una información sobre nosotros y nuestros intereses. De hecho, ya es posible predecir no sólo el comportamiento de una persona, sino de los habitantes de una ciudad.

Pero esta tecnología se está utilizando ya en ámbitos muy diversos que trascienden el uso doméstico, como los coches autónomos, la seguridad, ayudando en la captura de criminales y la prevención de ataques terroristas, o para predecir desastres naturales como tsunamis, tormentas o terremotos.

Asimismo, se ha mostrado de gran utilidad en el mundo de la política, buen ejemplo de ello es el uso de Big data en las elecciones presidenciales en Estados Unidos cuando el equipo de Obama ya marcó el camino que posteriormente también han seguido otros políticos. También en el campo científico y de salud ha probado ser una herramienta muy eficaz en la prevención de pandemias.

En el ámbito empresarial su objetivo es convertir los datos en información que ayude a las empresas a entender a sus clientes y a comprender mejor sus necesidades y, de este modo, facilitar la toma de decisiones, ayudando a incrementar su productividad y competitividad. Es lo que se llama Inteligencia Empresarial (business intelligence),

Por ejemplo, en el sector retail es muy utilizado ya que ayuda a detectar patrones de consumo y a mejorar la experiencia de compra. Empresas tan conocidas como el Corte Inglés, Ikea o Inditex llevan tiempo sacándole partido.

En el ámbito deportivo, existen camisetas inteligentes que miden las calorías quemadas o las pulsaciones. En este sentido, NIKE es una muestra de cómo sacar la mayor rentabilidad a sus productos.

¿De dónde provienen los datos?

La respuesta es muy extensa, pero intentaremos resumirla al máximo. En primer lugar, los datos pueden ser generados por las propias personas. Anualmente creamos 2,8 zetabytes de datos, de los cuales la mayoría son generados por internautas. Cada día se realizan más de dos millones de consultas en Google, más de 250 millones de tuits, 800 millones de actualizaciones en Facebook, y cada minuto se suben a YouTube 60 horas de vídeos.

Los datos pueden provenir también de las transacciones bancarias, (cada segundo se producen 10.000 transacciones mediante tarjeta de crédito). Cuando navegamos por internet también generamos gran cantidad de datos y a través del tracking todos estos movimientos quedan grabados (qué páginas vemos, a qué hora, que días, etc.).

Cuando hablamos de Machine to Machine (M2M) nos referimos a las tecnologías que comparten datos con dispositivos como Wi-Fi, Bluetooth o GPS de los vehículos.

Por último, están los datos biométricos que provienen de seguridad, defensa, servicios de inteligencia como los escáneres de retina o de huellas digitales.

Una vez recopilados los datos tanto estructurados como no estructurados, el siguiente paso es recogerlos y darles un formato. Las plataformas ETL (Extract, Transform and Load) extraen los datos de las diferentes fuentes y los transforman y limpian para posteriormente cargarlos en una base de datos (Data Warehouse).

¿Dónde se guardan?

Los almacenes de datos relacionales no son capaces de abordar este volumen ingente de datos que además crece exponencialmente. Por ello, resulta necesario recurrir a otros sistemas de almacenamiento masivo como Hadoop o NoSQL.

¿Cómo se analizan?

Existen diferentes metodologías de análisis como la asociación, la agrupación y el análisis de textos o la minería de datos.

La Asociación, permite encontrar relaciones entre diferentes variables. La Minería de datos (Data Mining) utiliza el análisis matemático para deducir los patrones y tendencias que existen en los datos, Podemos encontrar dos tipos de minería de datos: la descriptiva, que ofrece información sobre datos existentes; y la predictiva, que realiza pronósticos basados en los datos. La Agrupación (Clustering) es un tipo de minería de datos que se enfoca en dividir el conjunto completo de datos en subgrupos homogéneos para encontrar similitudes entre ellos. La metodología de Análisis de texto (Text Analytics), por su parte, permite extraer información de datos como  e-mails o búsquedas en webs.

¿Cómo se visualizan los datos?

El objetivo final es conseguir información valiosa a partir de los datos y que su visualización sea lo más amigable posible con el uso de gráficos o mapas y no con tablas, más difíciles de comprender. Cada vez se utilizan más las infografías que muestran los resultados de los diferentes análisis sobre los datos y resultan más atractivas y sencillas.

La evolución de esta tecnología es imparable y parece que la inteligencia artificial, el aprendizaje de las máquinas, la adopción de la nube, la demanda de científicos de datos y la creciente importancia del Internet de las Cosas marcarán las tendencias en 2017. Lo seguiremos muy de cerca…