El grupo de investigación ALDAPA (Algorithms, Data Mining and Parallelism) de la Facultad de Informática de la Universidad del País Vasco, representado por los investigadores Raquel Martínez y Javier Muguerza, participará en la iniciativa IABiomed-net, la Red Nacional sobre Inteligencia Artificial en Biomedicina (IABiomed-net).

Responsables de trece grupos de investigación en el campo de la IA aplicada a la Biomedicina y con una prolongada trayectoria investigadora en este campo se reunieron recientemente en el Centro de Tecnología Biomédica de la Universidad Politécnica de Madrid. Durante la jornada se debatió sobre las líneas de actuación para consolidar la IA en el ámbito Biomédico a nivel nacional y se definieron estrategias para estrechar las colaboraciones entre los diferentes grupos de investigación que integran la red IABiomed-net. Igualmente, es un objetivo fundamental de la red dar respuestas a las demandas de la ciudadanía acerca de los grandes retos sociales que implica la implantación de la IA en el ámbito Biomédico.

La red está financiada por el Ministerio de Ciencia, Innovación y Universidades, y tiene en sus bases el compromiso de actuar como agente integrador e inclusivo de todos los grupos españoles de I+D+I punteros en la aplicación de tecnologías de Inteligencia Artificial (incluyendo el Aprendizaje Automático y el Procesamiento del Lenguaje Natural) a la resolución de problemas en el ámbito biomédico.

Grupo de investigación ALDAPA

Dentro de la trayectoria investigadora de este grupo, al igual que otros grupos de la Facultad de Informática de la UPV/EHU, está la aplicación de su conocimiento en Inteligencia Artificial al ámbito de la salud y la interacción alternativa. En concreto, el grupo ALDAPA lleva años investigando sobre el análisis de señales fisiológicas (Physiological computing), como pueden ser el ritmo cardíaco, el nivel de sudoración, señales de electroencefalogramas, etc.; con el fin de detectar estados de estrés o relajación en personas en diversos contextos o de utilizar dichas señales como métodos de interacción alternativos ante discapacidades motoras y/o intelectuales. Esta línea de investigación da soporte, por ejemplo, a monitorizar personas que, con o sin discapacidad, requieran de un control de su estado emocional para prevenir complicaciones u optimizar procesos de rehabilitación y/o aprendizaje.