Jornada Funció de Dades - La funció de les dades al món biomèdic

Sign in
Conference
November 18, 2021

La inscripció per a la jornada és gratuïta per a socis de la Societat Catalana de Matemàtiques (SCM), la Societat Catalana d’Estadística (SoCE) i l’Associació Catalana d’Intel·ligència Artificial (ACIA). En aquests casos, si us plau, indiqueu "Reservation" al final del procés d'inscripció.


Per als no socis, el cost d’inscripció inclou fer-se soci d’una de les tres associacions durant un any.

La inscripció a la jornada inclou l’accés a les ponències, el coffee breaks de matí, de tarda i el dinar.

Els inscrits que desitgin participar online podran fer-ho gratuïtament escollint aquesta opció en el moment de registrar-se. Si us plau, indiqueu "Reservation" al final del procés d'inscripció.

 

Registration deadline 11 / 11 / 2021

Localització: Institut d’Estudis Catalans

Sala Prat de la Riba (1er pis)

Carrer del Carme, 47, 08001 Barcelona

[See Map]

INFORMACIÓ GENERAL

La disponibilitat de grans volums de dades planteja a la recerca i la pràctica biomèdiques la necessitat de disposar de tècniques d’anàlisi de dades. Per tant, la col·laboració entre disciplines quantitatives com les Matemàtiques, l’Estadística o la Intel·ligència Artificial i el món biomèdic és avui imprescindible. Es per això que la Societat Catalana de Matemàtiques (SCM), la Societat Catalana d’Estadística (SoCE) i l’Associació Catalana d’Intel·ligència Artificial (ACIA) organitzem aquesta jornada titulada “La funció de les dades al món biomèdic”, dedicada a intensificar la col·laboració entre les nostres disciplines i el món biomèdic al nostre país.

Aquesta jornada manté una continuïtat amb la jornada “La funció de les dades” organitzada per la SCM i la SoCE i celebrada a l’IEC el 14 de novembre de 2019. Les societats implicades tenim la voluntat de continuar l’organització periòdica de jornades “la funció de les dades” centrades en àmbits d’interès, durant els propers anys.

La jornada constarà de dues sessions. Al matí, en la sessió titulada Eines, es faran quatre tallers en que es presentaran diverses metodologies avançades d’anàlisi de dades, útils en Biomedicina. A la tarda, a la sessió titulada Reptes, es faran tres conferències en que es presentaran diferents reptes de tipus quantitatiu que la recerca i la pràctica biomèdiques plantegen actualment.

Organitzadors

Eloi Puertas ACIA (Associació Catalana d’Intel·ligència Artificial)
Josep Vives SCM (Societat Catalana de Matemàtiques)
Aleix Ruiz de Villa SCM (Societat Catalana de Matemàtiques)
Llorenç Badiella  SoCE (Societat Catalana d’Estadística)

Ponents

Isaac Cano

Isaac Cano

Hospital Clínic Barcelona

Isaac Cano (Barcelona, Catalonia, Spain, 1983; BSc 2009 in Computer Science, MSc 2010 in Computer Vision and Artificial Intelligence and PhD 2014 in Digital Health by University of Barcelona – Faculty of Medicine) started contributing to the Artificial Intelligence research community at the Artificial Intelligence Research Institute, which belongs to the Spanish National Research Council. He is now applying predictive analytics and machine learning in the context of Digital Health and Systems Medicine in IDIBAPS (Institut d’Investigacions Biomèdiques August Pi i Sunyer), and in Hospital Clinic of Barcelona.

He has been involved in several research and innovation projects funded by the Catalan and Spanish governments, as well as the European Community. He also has a broad teaching experience as associate professor of the University of Barcelona in the Master of Clinical Research, the Master of Biomedical Engineering and the EIT Health master on Innovation and Entrepreneurship in Biomedical Engineering. Moreover, he is also invited professor in the Biohealth Computing Erasmus Mundus summer school (European Science Institute, Archamps, France) and the Master in Biotechnology – Biomedical Applications, of the University of Barcelona.

ABSTRACT (CAT)

TBP

ABSTRACT (ENG)

Enhanced health risk assessment and patient stratification in a digital health framework

Adoption of proper strategies for patient’s health risk assessment and stratification constitute a key element to promote preventive patient-centred health delivery strategies. Current stratification tools rely on population analyses generally based on past use of healthcare resources with limitations for clinical applicability at patient level. Multisource clinical predictive modelling is emerging as an effective strategy for subject-specific risk prediction and patient stratification, considering multilevel data sources, which influence patient health.

Jesus  Cerquides

Jesus Cerquides

Institut d'Investigació en Intel·ligència Artificial (IIIA) del Consell Superior d'Investigacions Científiques (CSIC)

Jesus Cerquides és investigador de l’Institut d’Investigació en Intel·ligència Artificial (IIIA) del Consell Superior d’Investigacions Científiques (CSIC). Ha treballat com a professor titular a la Universitat de Barcelona i la Universitat Pablo Olavide. També ha estat director tecnològic i membre del consell d’administració d’Intelligent Software Components S.A., i director associat a Union Bank of Switzerland (UBS AG). Entre els seus interessos d’investigació s’inclouen l’aprenentatge automàtic causal i probabilístic, sistemes multi-agents i ciència ciutadana democràtica.

És membre de l’ACIA. Regularment participa en el comité de programa de conferències d’IA com IJCAI o AAAI. Actualment, és editor associat del Journal of Artificial Intelligence Research.

ABSTRACT (CAT)

Inferencia Bayesiana i programació probabilística

En aquesta sessió es vol presentar les bondats d’aquesta aproximació i també il·lustrar com l’existència d’eines de programació probabilística com ara Stan o pymc3, poden alleugerir alguns dels problemes associats a l’ús de models Bayesians.

ABSTRACT (ENG)

TBP

Ignasi Cos

Ignasi Cos

Departament de Matemàtiques i Informàtica, Universitat de Barcelona

Ignasi Cos (Barcelona, 1973). Màster en Enginyeria Electrònica, 1996 – Politecnico di Torino. Màster en Enginyeria de Telecomunicacions,  1997 – Universitat Politècnica de Catalunya. PhD in Cognitive Science and Artificial Intelligence,  2006 – University of Edinburgh

Després d’obtenir el doctorat, va anar a formar-se com a becari postdoctoral a la Universitat de Califòrnia a Berkeley, i a la Universitat de Montreal, on es va especialitzar en neurociències del control motor i la presa de decisions. També es va formar en neurociències teòriques a la Universitat Pierre i Marie Curie, a l’Institut del Cervell i la columna vertebral, de París i a la Universitat Pompeu Fabra.

Actualment és professor a la Facultat de Matemàtiques i Informàtica de la Universitat de Barcelona i membre de l’Institut de Matemàtiques (IMUB). Les seves investigacions se centren en el desenvolupament de tècniques matemàtiques per caracteritzar el funcionament del cervell, en el seu conjunt, en el context de com el cervell controla el moviment. Ha participat en diversos projectes de recerca europeus i actualment lidera el projecte COREDEM, dedicat a l’estudi de la neuro-fisiologia de la presa de decisions complexes. Té una àmplia experiència docent com a professor ajudant al Queen Margaret University College d’Edimburg, a la Universitat d’Edimburg i com a professor titular Serra-Húnter a la Facultat de Matemàtiques I Informàtica de la Universitat de Barcelona i al Màster universitari en Intel·ligència Artificial.

ABSTRACT (CAT)

Quina utilitat tindria assolir una caracterització formal i matemàtica de la neuro-dinàmica de pacients afectats per ictus, malaltia de Parkinson o altres trastorns neurodegeneratius d’una manera directa? Més enllà de l’aplicació clínica òbvia, la resposta a aquesta pregunta depèn d’aconseguir models exactes del cervell, de la generalitat de les seves prediccions i de la seva adaptació al context clínic i, en particular, a la praxi mèdica d’un sol pacient. El desenvolupament d’eines per a la caracterització de l’estat cerebral ha fet un notable progrés en els darrers deu anys, proporcionant tècniques matemàtiques i acumulant gradualment una gran quantitat de coneixements sobre l’estructura i la dinàmica del cervell durant l’estat de repòs i durant la realització de tasques específiques. A l’espera de noves investigacions per a perfeccionar-les, aquestes tècniques emergeixen com a promesa tant per a una comprensió més profunda i formal de la funció cerebral, com com a eina fiable per al diagnòstic clínic de trastorns neurodegeneratius.

ABSTRACT (ENG)

The Mathematical Characterization of Brain States: A Clinical (Future) Reality

How useful would it be to attain a formal, mathematical characterization of the neuro-dynamics of individual patients affected by stroke, Parkinson’s Disease or other neuro-degenerative disorders in a straightforward manner? Beyond the obvious clinical application, the answer to that question depends on attaining accurate models of the brain, on how general are their predictions, and on how adaptive to the clinical context and in particular to the single patient medical praxis. Current tools for brain state characterization have made a remarkable progress in the past ten years, yielding mathematical techniques, gradually amassing a huge amount of knowledge about brain structure and dynamics during resting state and performance of specific tasks. Pending further research to perfect them, these techniques are to emerge as promise both for a deeper, more formal understanding of brain function, and as a reliable tool for the clinical diagnose of neuro-degenerative disorders.

Ricard Gavaldà

Ricard Gavaldà

CS Department, Universitat Politècnica de Catalunya

Ricard Gavaldà és catedràtic del Dept. de Computació de la Universitat Politècnica de Catalunya (UPC), a Barcelona, ara en excedència. La seva investigació en els últims 20 anys ha tractat d’aspectes algorítmics i aplicats de l’aprenentatge computacional ( “Machine Learning”). Pel que fa a aplicacions, té un interès especial en l’ús de la ciència de dades per al bé comú.

Des de 2014 es concentra en l’anàlisi de dades de sistema sanitari. Aquest interès el porta a co-fundar la startup Amalfi Analytics el 2017. Amalfi crea plataformes analítiques avançades que ajuden els gestors del sistema de salut a millorar la qualitat assistencial optimitzant l’aprofitament dels recursos disponibles. La seva missió és que el sistema sigui més eficient, just i sostenible.

ABSTRACT (CAT)

Machine Learning per a un sistema de salut més eficient i just 

Presentaré diverses aplicacions de ML a la gestió clínica del sistema de salut, per generar eficiència i millor qualitat d’atenció al pacient. Les dades del passat i algorismes adequats ajuden a posar allà on fan més falta els recursos disponibles, que sempre són escassos. Aborden problemes com els excessius temps d’espera als serveis d’urgències, la gestió de la malaltia crònica i complexa, la racionalització de patrons de medicació, i l’assignació equitativa de recursos entre diferents parts del territori.

ABSTRACT (ENG)
Esther Ibañez

Esther Ibañez

ISI Global Science Foundation

Esther Ibáñez, llicenciada i PhD en Matemàtiques per la UPC. Actualment treballa entre la recerca i projectes privats a un centre de recerca italià (ISI Foundation). Ha treballat en l’aplicació de les matemàtiques en camps com la filogenètica, xarxes genètiques i la neurociència. Els últims anys la seva recerca s’ha centrat en l’aplicació de l’homologia persistent en el camp de la neurociència i l’estudi de xarxes a partir d’aquesta tècnica.

ABSTRACT (CAT)

TDA

Una de les tècniques basades en la geometria algebraica més desenvolupada a nivell pràctic a partir dels anys 2000 ha estat el Topological Data Analysis (TDA). Us presentem una introducció de la seva eina principal, anomenada Homologia Persistent, eina que dóna més importància a la forma que a la mètrica. Finalment comentarem alguns exemples en camps molt diferents on es pot aplicar.

ABSTRACT (ENG)
Joaquim Raduà

Joaquim Raduà

Hospital Clínic Barcelona

Joaquim Radua és el cap del grup “Imaging of mood- and anxiety-related disorders” (IMARD) de l’ Institut d’Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS). Psiquiatra i estadístic també afiliat al King’s College de Londres i al Karolinska Institutet d’Estocolm, la seva investigació està centrada en els trastorns mentals, especialment mitjançant tècniques d’imatge cerebral per ressonància magnètica, meta-anàlisi i machine-learning, per exemple per predir el risc de recaiguda. Està inclòs a la llista Clarivate dels investigadors més citats del món des de 2017.

ABSTRACT (CAT)

Més enllà dels algoritmes de machine-learning – rigor metodològic i utilitat 

Malgrat la il·lusió actual amb el machine-learning, el seu impacte futur pot veure’s perjudicat per l’ús de metodologies permissives (ex. no tenir en compte factors de confusió), la tortura de dades (ex. provar molts algoritmes i només reportar el que prediu millor), o la seva aplicació en situacions on no és necessari (ex. perquè ja existeix un mètode que funciona). Aquestes problemes poden comportar la creació d’algoritmes esbiaixats, no reproduïbles, i/o que tinguin una utilitat dubtosa, portant a la desconfiança en una metodologia que, usada correctament, podria tenir molt potencial.

ABSTRACT (ENG)
Natalia Vilor

Natalia Vilor

BarcelonaBeta Brain Research Center (BBRC) - Center for Genomic Regulation (CRG)

La Natàlia és llicenciada en Matemàtiques i Estadística Aplicada, doctora en Biomedicina i treballa des de 2014 en l’estudi de la influència de factors genètics en canvis cerebrals, i en la relació d’aquests canvis en processos de neurodesenvolupament i neurodegeneració. Actualment desenvolupa la seva recerca al BarcelonaBeta Brain Research Center, en col·laboració amb el Center for Genomic Regulation, i l’Erasmus Medical Center. També és professora associada a la Universitat de Vic i a la Universitat Autònoma de Barcelona. És sòcia de la Societat Catalana d’Estadística i membre de la junta de la Sociedad Española de Biomedicina.

ABSTRACT (CAT)

False Discovery Rate

El false discovery rate (FDR) és un mètode per conceptualitzar la taxa d’errors de tipus I (falsos positius) en tests d’hipòtesis quan es realitzen comparacions múltiples. En aquest taller/xerrada aprofundirem sobre l’aplicació del FDR en l’anàlisi de dades genètiques.

ABSTRACT (ENG)

HORARI

8:45-9:00

Registre

9.00-9:30

Benvinguda Presidents de les Associacions organitzadora:

Cecilio Angulo ACIA

Dolors Herbera SCM 

Ernest Pons SoCE

EINES

9:30-10:15

TDA / Esther Ibañez 

10:15 - 11:00

El problema de les comparacions múltiples en estudis de dades òmiques / Natalia Vilor 

11:00 - 11:30

COFFEE BREAK

11:30 - 12:15

Inferencia Bayesiana i programació probabilísticaJesus Cerquides

12:15 -13:00

The Mathematical Characterization of Brain States: A Clinical (Future) Reality / Ignasi Cos 

13:00-15:00

DINAR

REPTES

15:00 -15:45

Més enllà dels algoritmes de machine-learning – rigor metodològic i utilitat / Joaquim Raduà 

15:45 -16:30

Enhanced health risk assessment and patient stratification in a digital health framework / Isaac Cano

16:30 -17:00

COFFEE BREAK

17:00 -17:45

Machine Learning per a un sistema de salut més eficient i just / Ricard Gavalda 

17:45 -18:00

CLAUSURA

INSCRIPICIÓ

Per als no socis, el cost d’inscripció inclou fer-se soci d’una de les tres associacions durant un any. S‘enviarà un correu electrònic abans del dia 10 de novembre on es podrà indicar a quina associació desitgen ser inscrits.
La inscripció a la jornada inclou l’accés a les ponències, el coffee break de matí, de tarda i el dinar.
Els inscrits que desitgin participar online podran fer-ho gratuïtament escollint aquesta opció en el moment de registrar-se. El link de zoom per accedir a la sessió, s’enviarà uns dies abans de la jornada.
*Aquells casos exempts de pagar inscripció, si us plau, indiqueu “reservation” al final del procés de registre a l’activitat.

LLISTA DE PARTICIPANTS

Name Institution
Tomas Alarcon Centre de Recerca Matemàtica
Isabel Serra Centre de Recerca Matemàtica
Montse Alsina Universitat Politècnica de Catalunya
Oliver Valero Universitat Autònoma de Barcelona
Xavier Correig Universitat Rovira i Virgili
Josep Vives Universitat de Barcelona
Sergio Gómez Universitat Rovira i Virgili
Cesc Rosselló Universitat de Les Illes Balears
arnau Universitat de Les Illes Balears
Judit Chamorro Servent Universitat Autònoma de Barcelona
Maribel Ortego Universitat Politècnica de Catalunya
Josep Garcia Universitat de Barcelona
Gabriel de Maeztu IOMED
Teresa Pérez-Sala UPC
Núria Garcia SCM
Ernest Pons Universitat de Barcelona
Xavi Jacas private
Irene García Mosquera Universitat de Les Illes Balears
Natalia Vilor-Tejedor BarcelonaBeta Brain Research Center
Eva Loureiro ICO
Sílvia Cufí Leitat
Aleix Freelance Consultant
Roger Borràs Universitat Autònoma de Barcelona
Maria Pilar Giner Gimenez Universitat Oberta de Catalunya
Frederic Udina Universitat Pompeu Fabra
Marta Casanellas Rius Universitat Politècnica de Catalunya
David Riaño Universitat Rovira i Virgili
J. Tomás Lázaro Universitat Politècnica de Catalunya
Dolores Universitat Autònoma de Barcelona
Pepus Daunis i Estadella Universitat de Girona
Laura Zingaretti Universitat Autònoma de Barcelona
SONIA MOSTEIRO Institut Català d\'Oncologia
Alexei Levitchi State University of Medicine and Pharmacy N. Testemitanu
Paul Rognon Universitat Pompeu Fabra
Natalia Pallarès Universitat de Barcelona
Vicente Yeves Universitat de Barcelona
Llorenç Badiella Universitat Autònoma de Barcelona
Núria Folguera Blasco Francis Crick Institute
Marta Reales Universitat de Girona
Yovani Torres Favier CurlyHub
Joan Porti Universitat Autònoma de Barcelona
Júlia Sala UPC
ANDRES ANTON Hospital Universitari Vall d\'Hebron
Aina Rodri IDIBAPS
Teresa Botta IDIBAPS
Gemma Aragones Bargallo IDIBAPS
Elia Alcaniz IDIBAPS
Adria Parcerisas Albes IDIBAPS
Judith Sabaté IDIBAPS
Marina Aguilera Educación secundaria
Ignasi Cos Universitat de Barcelona
Isaac Cano IDIBAPS
Jesus Cerquides CSIC
Ricard Gavaldà Amalfi Analytics
Esther Ibáñez ISI Foundation
Melina Estela Universitat Pompeu Fabra
Pedro Delicado Universitat Politècnica de Catalunya
Erik Cobo Universitat Politècnica de Catalunya
Judit Chamorro Servent Universitat Autònoma de Barcelona
Marià Sust Esteve Pharmaceuticals
Pere Puig Universitat Autònoma de Barcelona
Yolanda Castellano Other
Jon Frias Universitat de Barcelona
Carme Saurina Universitat de Girona
Rosario Delgado Universitat Autònoma de Barcelona
Josep Lluís Carrasco Universitat de Barcelona
Carla Sendra Balcells Universitat de Barcelona
Carles Casacuberta Universitat de Barcelona
Eloi Puertas Universitat de Barcelona
Andreu Català Universitat Politècnica de Catalunya
Miquel de Quadras Universitat Politècnica de Catalunya
Albert Sorribas Universitat de Lleida
Pilar Dellunde Universitat Autònoma de Barcelona
Borja Universitat Autònoma de Barcelona
Andrea Pistillo IDIAPJGol
Joan Fernández Universitat Politècnica de Catalunya
Carme Sardà cap institució
Alejandra González Hospital Universitari Vall d\'Hebron
Anabel Blasco Moreno Universitat Autònoma de Barcelona
Francisca Morey Cortès IDIBELL
Víctor Urrea IrsiCaixa
Alexandra Montoliu Institut Català d\'Oncologia
Elies Ramon Universitat de Girona
Bruna Martín Català Universitat de Barcelona
Neus Català Universitat Politècnica de Catalunya
Zoe Falomir Universitat Jaume I de Castelló
Josep Puyol Gruart CSIC
Sara Tous ICO-IDIBELL
Lluís Vila Grabulosa Universitat Politècnica de Catalunya
Dolors Herbera Universitat Autònoma de Barcelona
Oguz Institut d\'Investigació en Intel·ligència Artificial (IIIA-CSIC)

ALLOTJAMENT

ON-CAMPUS AND BELLATERRA

BARCELONA AND OFF-CAMPUS 

Organitzen

Societat Catalana de Matemàtiques (SCM)

Societat Catalana d’Estadística (SoCE)

Asociación Catalana de Inteligencia Artificial (ACIA)

Col·laboren

Servei d’Estadística Aplicada de la UAB

Barcelona Data Science & Machine Learning Meetup

DatascienceUB

 

For inquiries about this event please send an email to crmactivitats@crm.cat