Objetivo

– Métodos de explicabilidad para los modelos de la plataforma. Esta novedad es transversal a toda la plataforma, ya que la inclusión de métodos de explicabilidad (XAI) en los modelos ayuda a incrementar la confianza en éstos y a la comprensión de la enfermedad. En los inicios de una pandemia, los profesionales sanitarios no tienen el conocimiento completo del funcionamiento de la enfermedad.

– Plataforma de aprendizaje federado que permitirá compartir modelos, no datos, para entrenar modelos más precisos. Esta novedad es transversal a toda la plataforma. El empleo de aprendizaje federado es una novedad relevante en el ámbito sanitario y resuelve problemas de compartición de datos y privacidad. De esta forma al no ser necesario compartir los datos la construcción de modelos más robustos con datasets más amplios sería una realidad, ya que la compartición de datos entre hospitales por motivos técnicos y legales está limitada.

– Métodos de análisis y mitigación de sesgos.

– Generación de datos sintéticos. El objetivo de esta tarea es estudiar, experimentar y validar el uso de técnicas generativas para producir datos sintéticos de salud en línea con los criterios y valores éticos descritos por el HLEG de la Comisión Europea.

Otros Proyectos