El grupo de investigaci�n Aprendizaje y Redes Neuronales Artificiales (AYRNA) ha desarrollado varios de estos algoritmos que aprenden de los datos bas�ndose en t�cnicas estad�sticas, matem�ticas y de inteligencia computacional. �Los datos los podemos clasificar de diferentes maneras, como, por ejemplo, de forma binaria. Ser�a la forma en la que ordenamos a las personas de manera general: o son de hombres o son mujeres�, ejemplifica C�sar Herv�s, director del equipo cient�fico. Esta v�a permite diferenciar datos de una manera b�sica, pero hay otras m�s complejas. �Podemos introducir m�s variables para clasificar los datos e, incluso, ordenarlos de mayor a menor en una escala�, contin�a Herv�s, catedr�tico del Departamento de Inform�tica y An�lisis Num�rico en la UCO. El equipo que dirige ha aplicado esta clasificaci�n de datos de manera ordinal en diversos campos y ha obtenido resultados prometedores.
Melanoma
En una l�nea desarrollada conjuntamente por la UCO con las universidades de Sevilla y Loyola Andaluc�a, se ha creado un sistema de detecci�n para la clasificaci�n de melanomas a partir de im�genes dermatosc�picas. A partir de los datos extra�dos de estas im�genes (informaci�n sobre variaciones de color, textura, borde�), el sistema clasifica la lesi�n de la piel del paciente como benigna o maligna y en el segundo caso, adem�s, identifica en qu� etapa se encuentra el desarrollo del tumor �De esta manera, el m�dico puede identificar el avance de la enfermedad y establecer un tratamiento m�s dirigido a partir de una prueba no invasiva�, establece el profesor Herv�s.
Los resultados de este trabajo han sido publicados recientemente en la revista cient�fica IEEE Transactions on Medical Imaging.
El diagn�stico actual del melanoma se basa generalmente en una inspecci�n visual del dermat�logo o dermat�loga. Si existen evidencias la presencia del melanoma se procede a realizar una biopsia para determinar la profundidad del mismo, que determina la etapa de evoluci�n de la enfermedad y est� directamente relacionada con la tasa de supervivencia, informaci�n con la que el especialista establece las medidas a tomar. Seg�n la Organizaci�n Mundial de la Salud, s�lo en la Uni�n Europea se diagnostican 100.000 nuevos casos de melanoma cada a�o con una tasa de mortalidad de entre el 9-12%. Una detecci�n temprana del tumor permitir�a reducir tanto la mortalidad de la enfermedad como la profundidad de las intervenciones quir�rgicas que se llevan a cabo para que la enfermedad no colonice otros �rganos o tejidos.
Trasplantes hep�ticos
El grupo AYRNA tambi�n emplea sistemas de clasificaci�n ordinal para los trasplantes de h�gado. Seg�n el dossier de la Organizaci�n Nacional de Trasplantes, ONT, de 2015, en dicho a�o fueron 2282 los pacientes que ingresaron en lista de espera de un �rgano para un trasplante hep�tico, para tener una calidad de vida razonable o vivir m�s tiempo. Sin embargo, se calcula que s�lo hay un millar de donantes, de este �rgano, al a�o en Espa�a. Es decir, aproximadamente cuatro de cada cinco solicitantes no ver� satisfecha esta necesidad. Los m�dicos deben priorizar qu� pacientes son los beneficiados por un trasplante, lo que supone una gran responsabilidad.
A partir de datos de supervivencia y mejora de las condiciones de vida de los pacientes trasplantados (a quince d�as, tres meses, medio a�o y un a�o), el equipo cient�fico junto con el equipo de los doctores Brice�o y De la Mata del hospital Reina Sof�a, estableci� un modelo que facilita al hospital la toma de decisiones. El m�todo organiza a los futuros beneficiarios en categor�as y prioriza unos candidatos respecto a otros seg�n unos criterios objetivos. �No trata de substituir el criterio m�dico, que es m�s amplio, sino que le dota de una serie de informaci�n cuantitativa que puede ser tenida en cuenta a la hora de tomar una decisi�n tan dif�cil�, indica Herv�s. Esta l�nea ha sido expuesta recientemente en la 11th International Conference on Hybrid Artificial Intelligent Systems y en dos trabajos en revistas de prestigio en el a�o 2014.
A. S�ez, J. S�nchez-Monedero, P.A. Guti�rrez, C. Herv�s-Mart�nez, �Machine Learning Methods for Binary and Multiclass Classification of Melanoma Thickness From Dermoscopic Images�, IEEE Transactions on Medical Imaging. 2016 Apr; 35(4):1036-45. doi: 10.1109/TMI.2015.2506270. Epub 2015 Dec 7.
M. Dorado-Moreno, M. P�rez-Ortiz, M. D. Ayll�n-Ter�n, P. A. Guti�rrez y C. Herv�s-Mart�nez. "Ordinal Evolutionary Artificial Neural Networks for Solving an Imbalanced Liver Transplantation Problem". 11th International Conference on Hybrid Artificial Intelligent Systems (HAIS2016). 2016. pp. 451-462.
M. P�rez-Ortiz, M. Cruz-Ram�rez, M. D. Ayll�n-Ter�n, N. Heaton, R. Ciria y C. Herv�s-Mart�nez. "An organ allocation system for liver transplantation based on ordinal regression", Applied Soft Computing, Vol. 14, January, 2014, pp. 88�98
Brice�o, J.; Cruz-Ramirez, M.; Prieto, M.; Navasa, M.l; Ortiz de Urbina, J.; Orti, R.; Gomez-Bravo, M. A; Otero, A.; Varo, E.; Tome, S.; Clemente, G.; Ba�ares, R.; Barcena, R.; Cuervas-Mons, V. Sol�rzano G., Vinaixa C., Rub�n A., Colmenero J., Valdivieso A., Herv�s-Mart�nez C., de la Mata M. Use of artificial intelligence as an innovative donor-recipient matching model for liver transplantation: Results from a multicenter spanish study. Journal of Hepatology 2014.61(5):1020-1028