Pláticas

Prediction and feature importance analysis for severity of COVID-19 using artificial intelligence

The number of deaths from COVID-19 continues to surge worldwide. In particular, if the patient's condition is sufficiently severe to require invasive ventilation, it is more likely to lead to death than to recovery. To analyze the factors of severe COVID-19 patients and develop an artificial intelligence (AI) model to predict the severity of COVID-19 at an early stage. We developed an AI model that predicts severity based on data from 5,601 COVID-19 patients from all national and regional hospitals across South Korea as of April, 2020. The clinical severity has two categories: low and high severity. The conditions of patients in the low-severity group correspond to no limit of activity, oxygen support with nasal prong or facial mask, and non-invasive ventilation. The conditions of patients in the high-severity group correspond to invasive ventilation, multi-organ failure with extracorporeal membrane oxygenation required, and death. For the AI model input, we used 37 medical records including basic patient information, physical index, initial examination findings, clinical findings, comorbidity disease and general blood test results at an early stage. Feature importance analysis was performed with AdaBoost, random forest and XGBoost; AI model for predicting severe COVID-19 patients was developed with 5-layer deep neural network with 20 most important features. The ranked feature importance values of the 37 medical records; sensitivity, specificity, accuracy, balanced accuracy, and area under receiver operating characteristic (AUROC) metrics of the AI model. We found that age is the most important factor for predicting the disease severity, followed by lymphocyte level, platelet count, and shortness of breath/dyspnea. Our proposed 5-layer deep neural network with 20 most important features provided high sensitivity (90.2%), specificity (90.4%), accuracy (90.4%), balanced accuracy (90.3%), and area under the curve (0.96). Our proposed AI model with the selected features was able to predict the severity of COVID-19 accurately. We also made a web application (http://kcovidnet.site/) for anyone to access the model. We believe that opening the AI model to the public is helpful to validate and improve its performance.

DR. JINSEOK LEE
Degree
2004. 01 ~ 2005. 12 B.S. Electrical Engineering, Stony Brook University, NY, USA
2006. 01 ~ 2009. 05 Ph.D. Electrical Engineering, Stony Brook University, NY, USA
Career
2021. 09 ~ Present / Associate Professor, Biomedical Engineering, Kyung Hee University
2021. 03 ~ 2021. 08 / Associate Professor, Artificial Intelligence, Catholic University of Korea
2016. 03 ~ 2021. 02 / Associate Professor, Wonkwang University College of Medicine
2012. 09 ~ 2016. 02 / Assistant Professor, Wonkwang University College of Medicine
2010. 01 ~ 2012. 08 / Postdoc, Biomedical Engineering, Worcester Polytechnic Institute
2009. 05 ~ 2019. 12 / Postdoc, Biomedical Engineering, Stony Brook University

Aplicaciones Biomédicas de la Termoterapia: del Modelado a la Aplicación

Las terapias térmicas se refieren a la manipulación de la temperatura del cuerpo o de un tejido para el tratamiento de diferentes enfermedades. Culturas de todo el mundo señalan usos antiguos de la terapia de calor y frío para aplicaciones médicas. En la actualidad, el interés en las terapias térmicas se enfoca en el estudio de los efectos moleculares, celulares y fisiológicos de la manipulación de la temperatura y en el desarrollo de equipos eficaces en el control de temperatura y seguros para la aplicación clínica. Respecto al control de temperatura, el modelado computacional juega un papel muy importante. Debido a la complejidad del cuerpo humano, es necesario contar con modelos que nos ayuden a predecir el comportamiento de estos equipos al interactuar con diferentes partes del cuerpo humano. Las terapias térmicas pueden ser utilizadas como una alternativa en el tratamiento de dos de los padecimientos más frecuentes del siglo XXI: el cáncer y el dolor musculoesquelético. El dolor es un problema de salud común entre las personas.; además, es una de las principales causas de ausentismo y bajo desempeño laboral. Se estima que 27.5% de los adultos a experimentado dolor lumbar. Por otro lado, de acuerdo con la Organización Mundial de la Salud, el cáncer es una de las causas principales de muerte en todo el mundo: casi 10 millones de fallecimientos en 2020. En las últimas décadas, se han desarrollado diversas técnicas y dispositivos comerciales para inducir calor y obtener beneficios terapéuticos. Sin embargo, sigue siendo necesario el desarrollo de dispositivos que permitan una mayor focalización de la energía, mayor eficiencia, y mayores efectos terapéuticos. Para visualizar la viabilidad de un nuevo dispositivo terapéutico es de suma importancia no perder de vista el uso del modelado como una herramienta necesaria no sólo para validar una nueva aplicación; sino también como un auxiliar para la aplicación efectiva de un tratamiento.

Dra. Citlalli Jessica Trujillo Romero
Investigador en Ciencias Médicas C (2018-presente)
Instituto Nacional de Rehabilitación
Dra. en Ciencias en Ingeniería eléctrica con especialidad en Bioelectrónica por el CINVESTAV-IPN (2012). Posdoctorado en el departamento de radiación oncológica (unidad de hipertermia) en el Erasmus MC Cancer Institute, Rotterdam, the Netherlands (2012-2014). Autora de patentes nacionales relacionadas con el desarrollo de equipo de radiación oncológica para su uso en tratamientos contra el cáncer (termoterapias). Autora de capítulos de libros internaciones y artículos publicados en revistas indizadas con alto factor de impacto. Formación de recursos humanos a través de la impartición de cursos a nivel posgrado (CINVESTAV-IPN (2018-presente)) y a nivel licenciatura (ITESM (2015-2019) / UPIITA-IPN (2015)). Editora asociada de la Revista Mexicana de Ingeniería Biomédica y miembro del Sistema Nacional de Investigadores (SNI1). Actualmente enfocada en el desarrollo de terapias térmicas para el tratamiento de tumores óseos en el Instituto Nacional de Rehabilitación-LGII (2015-presente). Líneas de investigación: Usos médicos de las radiaciones electromagnéticas, Desarrollo de equipo de radiación EM para tratamientos contra el cáncer, Desarrollo de procesos para mejorar la calidad de tratamientos médicos basados en radiaciones EM, Desarrollo y análisis de modelos tridimensionales de sistemas biomédicos y Aplicaciones médicas de la termoterapia.

Inversor trifásico controlado por modulación vectorial para sistemas fotovoltaicos sin transformador

En la actualidad los convertidores fotovoltaicos sin transformador se están usando ampliamente en la etapa de conversión de la energía de una planta solar fotovoltaica. Lo anterior debido a sus excelentes características respecto a eficiencia, tamaño, costo y peso. El principal problema de estos sistemas es que las variaciones del voltaje de modo común pueden generar corrientes de dispersión a través de las capacidades parasitas que se forman entre la estructura del panel y la conexión de tierra. Estas corrientes de dispersión representan un riesgo para los usuarios en que entran en contacto con el sistema por lo que estas deben evitarse. La corriente de dispersión tiene su origen principalmente en la forma en que se implementa el esquema de modulación y en la estructura propia del inversor. En esta charla se describirá la operación de una estructura de inversor trifásica que en conjunto con un esquema de modulación vectorial proporciona una importante disminución de la corriente de dispersión.

Dr. Gerardo Vázquez Guzmán
Instituto Tecnológico Superior de Irapuato

Detección de tumores cerebrales en tiempo real usando imágenes hiperespectrales. Una experiencia investigadora

Uno de los principales problemas con los que se enfrentan los neurocirujanos a la hora de eliminar de forma precisa los tumores cerebrales es su identificación a simple vista con un elevado grado de certeza. Dada su naturaleza altamente infiltrante, los tumores cerebrales son en muchas ocasiones indistinguibles del tejido sano, por lo que se hacen necesarias herramientas que ayuden al neurocirujano en su resección. Concurren además dos circunstancias delicadas y contrapuestas en este tipo de operaciones: por un lado, es necesario eliminar todo el tejido tumoral presente junto con un cierto margen de seguridad que impida que el tumor se vuelva a desarrollar en un futuro. Mientras mayor sea el margen de seguridad, menor será la probabilidad de que el cáncer se vuelva a reproducir en el futuro. Por otro lado, resulta que el tejido cerebral está altamente especializado, por lo que mientras más tejido se elimina, mayor será la cantidad de funciones dañadas en el paciente, que pueden ir desde funciones motoras a sensoriales o cognitivas. Es necesario por lo tanto eliminar todo el tejido tumoral y la zona circundante, preservando al mismo tiempo la mayor cantidad posible de tejido sano, pero asegurando que no queda ningún rastro de cáncer en el tejido que no se elimina. En esta pequeña charla se expondrán los últimos avances realizados por el grupo de investigación de la Universidad de Las Palmas de Gran Canaria (ULPGC) para dotar al neurocirujano de una herramienta que suministre información precisa y que le sirva de ayuda en la toma de decisiones durante la delicada tarea de una operación de cerebro. Eso significa que, además de proporcionarle información precisa y veraz, se le debe suministrar en tiempo real durante el transcurso de la operación. Se abordarán en la charla conceptos sobre imágenes hiperespectrales y la instrumentación desarrollada para su obtención, se hablará sobre los algoritmos de inteligencia artificial usados para realizar una clasificación lo más precisa posible entre tejido sano y tumoral, se analizarán las técnicas usadas para la aceleración de los algoritmos desarrollados y se comentarán futuras aplicaciones de estas técnicas en otros campos de la medicina. En todo momento se pretende usar un enfoque didáctico del método científico en ingeniería biomédica, sin profundizar en detalles técnicos que pudieran ser poco familiares a un público no especializado.

Dr. Gustavo Marrero Callicó
Estudió Ingeniería de Telecomunicaciones por la Universidad de Las Palmas de Gran Canaria (ULPGC) en 1995. En 1996 obtiene una beca de Formación de Profesorado Universitario (FPU) otorgada por el Ministerio de Educación y Ciencia en el Instituto Universitario de Microelectrónica Aplicada (IUMA) de la ULPGC. De 2000 a 2001 realiza una estancia de un año en los Philips Research Laboratories en Eindhoven (The Netherlands), donde desarrolla su tesis doctoral, que presenta en la ULPGC como Tesis Doctoral Europea en julio de 2003. Desde el año 2009 posee tres sexenios de investigación en los periodos 2002-2007, 2008-2013 y 2014-2019. Gustavo M. Callicó es co-autor de más de 260 artículos publicados en revistas y congresos internacionales (entre ellos, 70 en revistas internacionales indexadas en el JCR), de tres capítulos de libros en editoriales internacionales y de dos patentes internacionales como primer inventor. Su artículo con mayor índice de impacto (31.167) fue publicado en la revista Nature Photonics en 2017. Si bien actualmente es Profesor Titular de Universidad, en mayo de 2021 se acredita como Catedrático de Universidad por la Agencia Nacional de Evaluación de la Calidad y Acreditación (ANECA). Ha participado en 27 proyectos de investigación obtenidos en convocatorias competitivas y ha participado en 2 proyectos industriales de I+D+i para la compañía Ensilica (UK). Es miembro de la red de excelencia europea HiPEAC, financiada por la Unión Europea a través del FP7. En el año 2001 fue distinguido con el premio Gran Canaria por la Real Sociedad Económica de Amigos del País por su labor investigadora. En 2005 obtiene, en convocatoria de carácter competitiva, una ayuda de investigación postdoctoral concedida por la Fundación Universitaria de Las Palmas dentro del Programa de Mecenazgo Universitario Innova y en 2017 obtiene el segundo premio de investigación de la Fundación Amurga de Gran Canaria por sus contribuciones a la detección de tumores cerebrales usando imágenes hiperespectrales. En 2019 obtiene el premio Fundación DISA a la Investigación biomédica. Desde 1998 ha dirigido 84 Trabajos Fin de Título, dos de los cuales han sido premiados a nivel nacional y cuatro Tesis Doctorales, de las cuales tres han obtenido el premio extraordinario de investigación de la ULPGC. En la actualidad es Senior Associate Editor de la revista IEEE Transactions on Consumer Electronics desde noviembre de 2008 y Associate Editor de IEEE Access desde 2016, ambas indexada en el JCR, pertenece a varios comités de programas de congresos (SPIE, DASIP, DSD, ISCE y JCE), y ejerce regularmente como revisor de artículos para diferentes revistas, todas ellas indexadas en el JCR. Entre 2014 y 2017 coordinó el proyecto europeo “HypErspectraL Imaging Cancer Detection” (HELICoiD CNECT-ICT-618080), del FP7 financiado por la Comisión Europea, para la delimitación precisa y en tiempo real tumores cerebrales usando imágenes híper-espectrales. Desde 2015 es el responsable científico-tecnológico del proyecto de equipamiento científico-técnico denominado “Sistema de adquisición de imágenes híper-espectrales de alta definición espacial y espectral”, por el que la Dirección General de Investigación y Gestión del Plan Nacional de I+D+i financia a través de la Dirección General de Infraestructura Científica la adquisición de un sistema de adquisición híper-espectral en el rango de 400nm a 2500 nm. Desde el año 2015 es director del CUDA Research Center de la ULPGC. Ha sido profesor invitado en la Universidad de Pavia (Italia) en octubre de 2015 y en marzo de 2019; desde el 2015 pertenece al Consejo de Doctores de dicha universidad. Es miembro de IEEE desde 2008, dentro de la IEEE Consumer Electronics Society, y Senior Member de IEEE desde 2019. Según Google Scholar, su índice h es de 23. Desde 2019 es el coordinador del programa de doctorado en tecnologías de telecomunicación e ingeniería computacional de la ULPGC. Sus campos de investigación actuales incluyen imágenes hiperespectrales para detección de cáncer en tiempo real, algoritmos de súper-resolución en tiempo real, diseño basado en síntesis para SOCs y circuitos para procesamiento multimedia y estándares de codificación de video, especialmente para H.264 y SVC.

Aplicaciones de control automático a convertidores electrónicos de potencia.

El desarrollo de la humanidad ha quedado ligado al uso de energía eléctrica. La búsqueda de nuevas formas de generar dicha energía y aprovecharla es un tópico que ha despertado interés en la comunidad científica y en los desarrolladores de tecnología. En esta charla se abordará de manera general el tópico de conversión de la energía desde el punto de vista del análisis y control de los sistemas. Se buscará retomar conceptos básicos de electrónica de potencia, formas de conversión de la energía y aplicaciones de las mismas con el fin de generar un panorama general de algunos de los temas actuales de estudio dentro del área. Finalmente se mostrarán algunos resultados relevantes obtenidos como parte de la investigación de estos tópicos.

Dr. Pánfilo Raymundo Martínez Rodríguez
Profesor Investigador de Tiempo Completo en la Facultad de Ciencias de la UASLP, pertenece al Sistema Nacional de Investigadores NIVEL 1
Es Doctor en Ciencias Aplicadas con opción en Control y Sistemas Dinámicos por el Instituto Potosino de Investigación Científica y Tecnológica. Sus líneas de investigación son: Control Aplicado a Electrónica de Potencia, Control de convertidores estáticos para mejorar la calidad de energía en la red eléctrica e Integración de Fuentes Alternativas de Energía a la red eléctrica.

Connectivity Challenges of Cognitive Radio IoT (CR-IoT) Nodes

By making the connectivity robust and seamless, fully customizable, secure and usable than before, we can take the internet of things (IoT) wireless technologies to the next levels (from early innovators stage to general purpose technology) in terms of mobility, productivity, efficiency, usability, integration, performance, and application variety.

For short and long range IoT applications, there are plenty of connectivity solutions. The narrow band IoT (NB-IoT) connections are likely to be implemented for fifth and sixth generations (5G/6G) networks where massive and enormous number of wirelessly connected devices are supported. The software defined network (SDN) with cognitive radio (CR) capabilities are needed to give automated, flexible and efficient spectrum utilization and awareness. CR helps to have early discovery of disorders, fast corrective response dealing with unexpected problems, and learning property from previous trails and actions. With so much reliance on spectrum sensing (SS) algorithms, the CR can analyze the radio environment and detect the unoccupied physical radio resource blocks (PRBs) by primary users (PUs) in the network.

Many supreme challenges and imperfections are facing the practical implantation of SS algorithms in CR-IoT node such as noise power uncertainty at low signal to noise ratio (SNR), spatial correlation (with antenna arrays), interference and hidden PU, parameters estimation errors, out-of-band (OOB) radiations (for both PU and SU transceivers), wireless fading channels modeling, and others. With 5G/6G waveforms, access technologies, and new spectrum plans (30 GHz cm-waves up to 100 GHz mm-waves can be considered), the blind and non-blind SS algorithms should show the required adaptation, especially for multicarrier orthogonal frequency division multiplexing (OFDM) based systems with carrier aggregation (CA) capability.

Dr. Modar Shbat
Dr. Modar Shbat graduated from Damascus University, Faculty of Mechanical and Electrical Engineering as an electronics engineer in 2003. In 2005, he got a post graduate diploma in telecommunications engineering from Damascus University and Alcatel University/France. He received master degree (M.Sc) in information and communications engineering from Korea Advanced Institute of Science and Technology (KAIST)/ South Korea in 2008. He obtained his PhD degree in electronics engineering from Kyungpook National University (KNU), South Korea (Signal Processing Lab) in 2014. Currently, Dr. Modar works for Saint Mary’s University in Halifax, Nova Scotia, Canada as an Assistant Professor in the Faculty of Sciences/ Engineering Division. His research interests include: signal detection and processing algorithms, spectrum sensing in cognitive radio, smart antennas and beam-forming algorithms, and others. Dr. Modar Shbat scientific work and research accomplishments are published in peer reviewed journals, books, and presented in international conferences.

Investigación vs tecnología: El TRL como marco para la innovación.

Muchas invenciones basadas en tecnología nunca pasan de la etapa de conceptualización. Incluso, las patentes aceptadas permanecen como logros técnicos del inventor. Aún más, gran número de invenciones que logran convertirse en un producto fallan al incorporarse al mercado.
En el marco de adquisición o comercialización de la tecnología hay factores que afectan el éxito del proceso, ya que se requieren actividades y desiciones complejas que van desde la definición de una tecnología hasta su aplicación. Para facilitar estos procesos es necesario adoptar metodologías o sistemas de medición de la madurez de la tecnología.
El TRL (Technology Readiness Level), o escala de madurez tecnológica, es un sistema de medición implementado por la NASA, cuyo objetivo es evaluar el nivel de madurez de una tecnología particular. Este sistema se ha implementado en los sectores industriales a lo largo del mundo, ya que el TRL proporciona una concisa y constante referencia para el entendimiento de la evolución de la tecnología, considerando sus antecedentes técnicos. De ahí que no es de sorprenderse que los gobiernos adopten este sistema para la asignación de fondos a proyectos tecnológicos o asignación de recursos a proyectos de investigación.
Por tanto, el investigador debe entender los desafíos que enfrenta al desarrollar soluciones e identificar los métodos para comunicar la madurez de las tecnologías integrales para dichas soluciones. Aquí la pregunta acerca de si el TRL es apropiado para los proyectos de investigación académicos, ¿será contestada? Aún más, ¿la estructura de TRL seguirá siendo solamente exitosa en aplicaciones industriales?

M.I. Fernando Ramírez Cardona
Maestro en Ingeniería, graduado por la Universidad Autónoma de San Luis Potosí, con experiencia en investigación científica, gestión de información científico-tecnológica, gestión del conocimiento, innovación tecnológica, análisis y simulación FEA y CFD, diseño mecánico y térmico, desarrollo de modelos matemáticos y computacionales para la optimización de procesos y equipos. En 2013 se incorpora a Tecnoaglomerados en la dirección del departamento de I&D+I, donde también apoya a los servicios de ingeniería. En 2015, ingresa a Viretec en el área de desarrollo de proyectos tecnológicos de innovación, en donde enfoca toda su experiencia y formación en la búsqueda de soluciones que mejoren la salud, la ecología, el ambiente y la energía, entre otros. A partir del 2019, se adhiere a Viretrade, spinoff de Viretec, donde actualmente labora. Ahí se desempeña desarrollando servicios de ingeniería y temas de propiedad intelectual. Actualmente, radica en Canadá y de manera independiente ha asesorado empresas sobre asimilación tecnológica.

Procesado de señales biomédicas guiado por la fisiología. Dispositivos “wearable”.

En esta plática hablaremos sobre una de las aplicaciones de las tecnologías de la información y las comunicaciones a la medicina: el procesado de señales biomédicas. El procesado de señales biomédicas puede utilizarse para mejorar la comprensión actual del funcionamiento de los sistemas biológicos, que se pueden observar a través de señales invasivas y no invasivas. También puede utilizarse para la interpretación personalizada (diagnóstico, pronóstico y tratamiento) de condiciones relacionadas con el sistema cardiovascular, respiratorio, y sistema nervioso autónomo, así como sus interacciones. Entre las señales no invasivas destacan el electrocardiograma y la señal fotopletismográfica de pulso (tecnología óptica muy extendida en los relojes monitores de ritmo cardiaco). Repasaremos las opciones “wearable” para registrar estas dos señales, así como sus limitaciones y el trabajo que se está haciendo actualmente para superarlas.

Dr. Jesús Lázaro Plaza
Recibió el título de Ingeniero de Telecomunicación y el de Máster en Ingeniería Biomédica por la Universidad de Zaragoza (Zaragoza, España) en 2011 y 2012, respectivamente. Después, desarrolló su tesis doctoral en la misma universidad, en el campo del procesado de señales biomédicas para la cuantificación de los sistemas cardiovascular y respiratorio. Su investigación postdoctoral comenzó en el Instituto de Investigación en Ingeniería de Aragón (I3A) de la Universidad de Zaragoza, donde trabajó en algunas aplicaciones de los métodos que había desarrollado durante su tesis doctoral. Después, se unió al Departamento de Ingeniería Electrónica de KU Leuven (Lovaina, Bélgica), donde trabajó como investigador postdoctoral en procesado de señales biomédicas en diferentes escenarios, incluyendo dispositivos “wearable”. La Unión Europea le concedió una beca Marie Skłodowska-Curie actions (MSCA) para desarrollar el proyecto “Wearable Cardiorespiratory Monitor (WECARMON)”, cuyo objetivo era desarrollar un dispositivo “wearable” para monitorizar pacientes con diferentes enfermedades cardiorespiratorias. Este proyecto incluyó una fase de 24 meses en la Universidad de Connecticut (Storrs, CT, EEUU) seguida de una fase de 12 meses en la Universidad de Zaragoza. Desde entonces, es Profesor Ayudante Doctor en el Departamento de Informática e Ingeniería de Sistemas de la Universidad de Zaragoza, e investigador en el I3A. Sus intereses actuales en investigación incluyen el desarrollo de métodos de procesado de señal para el diagnóstico y/o monitorización de pacientes con enfermedades cardiorespiratorias, apuntando a un tratamiento más personalizado y a un mejor pronóstico.