MADRID, 06 (SERVIMEDIA)
Una investigación liderada por la Universidad Complutense de Madrid (UCM), en colaboración con las universidades chilenas de Los Andes y Diego Portales, demuestra, a través de técnicas matemáticas avanzadas, cómo mejorar la precisión y eficiencia de los modelos de inteligencia artificial (IA) para clasificar casos de manera más fiable seleccionando los mejores datos.
Según informó la Unidad de Cultura Científica de la UCM (UCC-UCM), esto permite a la IA analizar nueva información y clasificarla correctamente, por ejemplo, determinando si un paciente tiene alto riesgo de cáncer o si una transacción bancaria es fraudulenta. El trabajo, publicado en ‘Pattern Recognition’, logra eliminar datos poco relevantes sin comprometer la calidad de las predicciones, lo que permite que los modelos sean más rápidos, interpretables y robustos ante variaciones en los datos.
A diferencia de otros enfoques, según señalaron los investigadores, el trabajo integra directamente la selección de datos relevantes dentro del proceso de aprendizaje del modelo, en lugar de hacerlo como un paso separado. Esto permite que la IA aprenda no solo a clasificar con precisión, sino también a identificar automáticamente qué datos son realmente importantes.
Esto significa que la IA puede tomar decisiones más precisas, incluso, cuando los datos contienen ruido o están incompletos, “mejorando su aplicabilidad en situaciones del mundo real”. Por ejemplo, en el diagnóstico de cáncer, esto facilita la identificación de biomarcadores clave en pruebas médicas, “permitiendo una detección más temprana y precisa de la enfermedad”, explicó el catedrático del Grupo Momat del Instituto de Matemática Interdisciplinar (IMI) de la UCM Benjamín Ivorra.
Los resultados de esta investigación son útiles en problemas de clasificación, donde es “crucial” identificar con precisión a qué categoría pertenece un caso analizado. En el campo de la salud, “nuestros métodos pueden mejorar la clasificación de pacientes en función de su riesgo de padecer cáncer”, a partir del análisis de datos genéticos e imágenes médicas, permitiendo diagnósticos más “precisos y con menor coste computacional”, destacó el también catedrático en el grupo Momat del IMI Ángel Manuel Ramos.
- Te recomendamos -
