XXIV ValgrAI Matinal de Investigación – Especial Semana de la Mujer
¿Por qué no puedes perdértelo?
- Sumérgete en las investigaciones más innovadoras en inteligencia artificial.
- Dialoga directamente con los expertos durante una sesión de preguntas y respuestas.
- Amplía tu red conectando con otros apasionados de la tecnología.
- Déjate inspirar por nuevas ideas y oportunidades en el apasionante mundo de la IA
Sara Martin Frechina
Título: Avances en la estimación del ángulo de llegada BLE con Deep Learning
La estimación precisa del ángulo de llegada para Bluetooth Low Energy es esencial para el posicionamiento en interiores. Sin embargo, el rendimiento de los algoritmos clásicos de procesamiento de señales se ve gravemente degradado por las condiciones de trayectos múltiples y sin línea de visión en entornos interiores. Este artículo aborda este reto utilizando el aprendizaje automático y el aprendizaje profundo en un conjunto de datos I/Q público.
La metodología comprende dos experimentos: una prueba con un conjunto de datos de condiciones mixtas (LoS/NLoS) y otra con un conjunto de datos controlado (LoS) que reproduce las condiciones ideales de la línea de base original. En un conjunto de datos controlado con línea de visión, un perceptrón multicapa optimizado alcanza la máxima precisión con un error absoluto medio de 13,36º (una reducción del 48,0 % con respecto a la línea de base clásica).
Por el contrario, en un conjunto de datos de condiciones mixtas más complejo, una red neuronal convolucional optimizada ofrece el rendimiento más sólido, con 15,53º. Este trabajo establece dos nuevas bases de referencia de rendimiento validadas para la estimación del ángulo de llegada.
Palabras clave: Indoor Positioning System, Bluetooth Low Energy, Angle of Arrival, Machine Learning, Deep Learning.
Mireia Costa Sanchez
Título: Proyecto MATIIGEN: IA y genómica al servicio de la salud de la mujer
Durante décadas, la salud de la mujer ha estado marcada por un sesgo estructural que ha relegado numerosas patologías a la invisibilidad científica y clínica. El lipedema representa uno de los ejemplos más claros de este abandono: una enfermedad crónica, altamente prevalente, con fuerte componente genético y un impacto profundo en la calidad de vida física y mental, que no fue reconocida oficialmente como enfermedad hasta 2018. Esta falta de reconocimiento ha provocado retrasos diagnósticos, ausencia de herramientas objetivas y una limitada capacidad de intervención temprana.
El proyecto MATIIGEN, impulsado por el grupo PROS del instituto VRAIN, nace con el objetivo de aplicar nuestro conocimiento en desarrollo de tecnologías para el diagnóstico genómico e inteligencia artificial para avanzar en patologías históricamente olvidadas, comenzando por el lipedema. Así, en este proyecto apostamos por la convergencia entre IA y genómica como motor para generar evidencia objetiva, acelerar el conocimiento clínico y transformar el abordaje de una enfermedad desatendida.
Actualmente, estamos desarrollando una plataforma tecnológica avanzada orientada a la identificación del riesgo genético asociado al lipedema, facilitando un diagnóstico temprano y más preciso, clave para frenar la progresión de la enfermedad y mejorar la toma de decisiones clínicas. Esta solución se apoyará en una infraestructura escalable de análisis de grandes volúmenes de datos, integrando información de bases de datos genómicas internacionales, y empleando analítica inteligente para detectar patrones relevantes y generando informes clínicos interpretables y accionables.
Con la validación que vamos a realizar en pacientes reales, MATIIGEN aspira no solo a transformar el abordaje del lipedema, sino a demostrar el impacto real de la IA como herramienta para reducir la brecha de género en medicina, poniendo tecnología de vanguardia al servicio de problemas que durante demasiado tiempo han sido ignorados.
Ana Gutiérrez Mandingorra
Título: Estudio del impacto, detección y mitigación de los Sesgos Cognitivos en los Grandes Modelos de Lenguaje
Los modelos de lenguaje a gran escala han transformado múltiples ámbitos —como la educación, la salud, el derecho y la industria— al permitir automatizar tareas complejas mediante el procesamiento y la generación avanzada de lenguaje natural. Sin embargo, su uso generalizado ha generado preocupaciones éticas y prácticas, especialmente por los sesgos presentes en sus respuestas. Aunque los sesgos sociales han sido ampliamente estudiados, los sesgos cognitivos —desviaciones sistemáticas del razonamiento normativo basadas en patrones de razonamiento humanos— siguen siendo un área poco explorada. Estos pueden introducirse de forma sutil, por ejemplo, a través del diseño de los prompts o de los datos de entrenamiento.
Este trabajo investiga de forma estructurada la presencia, detección y mitigación de sesgos cognitivos en estos modelos mediante una estrategia experimental en tres fases: analizar la influencia de varios sesgos cognitivos vía prompt; explorar métodos de detección y clasificación de estos sesgos basándose en agentes y modelos de razonamiento con conocimiento cognitivo; y, por último, evaluar una estrategia de mitigación mediante advertencias informadas para reducir el impacto de dichos sesgos. Nuestras contribuciones buscan mejorar la comprensión de la alineación entre estos modelos y la cognición humana, contribuyendo al desarrollo de sistemas de IA más seguros y confiables.
