Herramienta de IA permitirá mayor precisión en el análisis de datos

El profesor Miguel Carrasco, académico de la Facultad de Ingeniería y Ciencias Aplicadas, lidera una investigación centrada en el desarrollo de métodos de aprendizaje automático (Machine Learning) capaces de identificar patrones de manera automática, incluso en presencia de datos ruidosos o poco confiables. El objetivo principal del proyecto es diseñar clasificadores robustos que mantengan un rendimiento óptimo pese a errores de medición o variaciones en los datos, lo que es fundamental en áreas sensibles donde se requieren decisiones precisas y confiables.

“Un ejemplo concreto de esta línea de investigación es la clasificación de individuos como sanos o enfermos a partir de diversas variables. En este contexto, los modelos desarrollados buscan garantizar resultados confiables, incluso cuando los datos están contaminados por ruido, algo común en situaciones reales. Si disponemos de un conjunto de datos de individuos que pueden pertenecer a la categoría sano o enfermo, cada uno está caracterizado por una serie de variables. El objetivo del proyecto es desarrollar un modelo matemático basado en aprendizaje automático que pueda clasificar automáticamente a cada persona en una de estas dos categorías. Sin embargo, en escenarios reales, los datos pueden verse afectados por “ruido”, como errores de medición o variaciones en las condiciones de recolección. Por ello, la investigación se enfoca en diseñar un clasificador robusto que pueda seguir funcionando de manera precisa a pesar de estas incertidumbres, garantizando así decisiones confiables en contextos sensibles”, explica el académico.

El impacto de este trabajo es amplio, ya que puede ser aplicado en distintas industrias gracias a su capacidad para detectar patrones, clasificar datos y ofrecer respuestas automáticas con alta precisión. Además, contribuye al desarrollo de nuevas herramientas científicas en el área del machine learning.

El proyecto se desarrolla en colaboración con investigadores tanto nacionales como internacionales. A nivel nacional, participan Julio López (Universidad Diego Portales) y Andrés Iturriaga (Universidad de Santiago de Chile). A nivel internacional colaboran expertos de la Universidad Complutense de Madrid (España) y de la Universidad de la República (Uruguay).

Paralelamente, el académico también forma parte de otro proyecto FONDEF junto a la Universidad de la Frontera y la Universidad de Santiago de Chile, enfocado en el análisis automatizado de imágenes de biopsias de cáncer de próstata. Este trabajo busca identificar células cancerígenas y determinar el grado de avance del cáncer usando inteligencia artificial, lo que representa un desafío clave en el ámbito médico.