Seminario 26 de Marzo 2024
Horario: 16:30 - 18:00
PABLO LAMATA, PHD.
TÍTULO: “Inferencia sinérgica a partir de observaciones y modelos: la magia del hermanamiento digital”.
RESUMEN: Predicciones. Inferencia de eventos futuros (relacionados con la salud) para luego planificar cómo evitarlos. E inferencia del diagnóstico oculto actual para luego planificar cómo minimizar riesgos futuros. Ese es el núcleo de la toma de decisiones médicas, y lo que mejor puede respaldar un gemelo digital de un paciente: su magia es la capacidad de combinar las fortalezas de los modelos estadísticos y mecanicistas. Esta charla presentará este concepto de gemelo digital, lo ilustrará a través de ejemplos antiguos y novedosos ya implementados en la práctica clínica y revisará algunos de los últimos esfuerzos de investigación del equipo del King's College London. Una discusión sobre las oportunidades y desafíos en esta apasionante área finalmente preparará el escenario para una sesión de preguntas y respuestas que esperamos sea interesante.
BIO: Pablo es profesor de ingeniería biomédica en el King's College London. Centra su interés de investigación en la combinación de tecnologías de imagen y modelado computacional para mejorar el tratamiento de las enfermedades cardiovasculares. Su equipo (http://cmib.website) ha desarrollado soluciones para la identificación de válvulas defectuosas, para la detección de diferencias de crecimiento provocadas por un parto prematuro o para la selección óptima de pacientes para terapias de ablación o resincronización, entre otras. Es el director del Centre for Doctoral Training in Digital Twins for Healthcare (https://www.dt4health.org). Pablo ha desarrollado su carrera académica en King's, Oxford, Madrid y Zaragoza. Trabajó en Siemens y vivió una aventura empresarial llamada Congenita Ltd. Se esfuerza por lograr un impacto real en la provisión de mejores soluciones de atención médica.
DAVID ORTIZ, PHD.
TÍTULO: “Simulación del flujo sanguíneo en la arteria pulmonar utilizando redes neuronales basadas en la física. "Resultados preliminares".
RESUMEN: El modelado computacional de la hipertensión arterial pulmonar (HAP) plantea desafíos importantes debido a la compleja dinámica del flujo sanguíneo dentro de la arteria pulmonar. Para estudiar esta hemodinámica compleja, proponemos utilizar redes neuronales basadas en la física (PINN) junto con las ecuaciones de Navier-Stokes para simular estos intrincados patrones de flujo. Nuestra metodología busca aprovechar la fuerza de PINN para codificar leyes físicas directamente en la red neuronal y realizar simulaciones directas independientes de los datos, prometiendo un marco sólido para simular flujos fisiológicos en condiciones patológicas. Los resultados preliminares muestran una alta precisión frente a modelos PDE conocidos. Sin embargo, cuando se compara directamente con los puntos de referencia basados en las ecuaciones de Navier-Stokes, nuestro modelo revela limitaciones, particularmente en la replicación de fenómenos de flujo complejos como la formación de vórtices. Estos hallazgos resaltan la necesidad de seguir perfeccionando los modelos para modelar con precisión los flujos específicos de HAP. El trabajo futuro se centrará en ajustar el marco PINN para representar mejor la física compleja de la formación de vórtices y otros fenómenos de flujo, con el objetivo de cerrar la brecha identificada.
a través de estas comparaciones de referencia.
BIO: David Ortiz es becario postdoctoral en el Instituto Milenio de Ingeniería Inteligente en Salud (iHEALTH) en Chile. Se centra en aplicar técnicas de aprendizaje automático basadas en la física a simulaciones de flujo sanguíneo y problemas inversos en la arteria pulmonar. Con un Doctorado en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile, su investigación se centra en la integración de técnicas avanzadas de procesamiento de imágenes como filtrado, segmentación y registro con biomecánica, métodos de elementos finitos y aprendizaje automático basado en la física. Esta integración pretende potenciar herramientas para el diagnóstico precoz y preciso de diferentes enfermedades.
