Thread by @JacoboAJ

Quizás no lo sabíais, pero estamos en un momento singular en la historia de la ciencia 🔬, de encuentro entre dos mundos que parecían irreconciliables. Y podemos sacar tajada de ello para curar el cáncer. ¿Cómo?😱Te lo cuento 👇.
@RedDivulga @unizar @UccUnizar.
Abro #HiloTesis.

Lo que os voy a contar va de #InteligenciaArtificial 🤖y de #Cancer 🧬, pero tiene sus raíces en la filosofía misma. Históricamente ha habido siempre dos formas de entender la realidad que parecían antagónicas.
Racionalismo 👩‍🎓 vs. Empirismo 🧑‍🔬.

Estas dos posturas han impregnado la historia de la ciencia. Por ejemplo, Newton y Kepler dedujeron la forma de las órbitas planetarias por dos vías diferentes. Newton formulando las ecuaciones generales de la gravitación 👩‍🎓. Kepler analizando las trayectorias celestes 🧑‍🔬.

Aunque gracias a centenares de científicos cada vez sabemos más sobre el mundo que nos rodea, el auge de la supercomputación ha hecho que la ciencia de datos y la inteligencia artificial sean hoy en día la niña bonita.

Es decir, cuanto más sabemos sobre cómo funciona el universo, menos usamos esa información ¿Vamos a olvidar el trabajo de todas esas mentes brillantes 🤯? ¿Y todo lo que nos enseñan en escuelas y universidades? Las grandes revistas se lo preguntan.

En mi tesis doctoral, soy conciliador. Creo que se pueden hacer ambas cosas: (1) utilizar lo que conocemos sobre el universo, y (2) aprender de los datos únicamente lo que nos es desconocido. Esto te permite centrar el esfuerzo en lo que realmente no conocemos.

De propina, al utilizar la información física en las predicciones, los famosos algoritmos de inteligencia artificial dejan de ser una caja negra misteriosa y comienzan a entenderse. Es lo que se llama, inteligencia artificial explicable.

Vamos, que el científico no pierde de vista lo que la máquina aprende y va con ella de la mano, a la par. El humano y la máquina nos ayudamos mutuamente. Unidos somos más fuertes 💪. Seguro que muchos que han visto Terminator duermen más tranquilos desde hoy.

¿Y cómo lo hacemos? Aquí es donde entran en juego los dos ingredientes más importantes del método:
🧠Redes neuronales.
⚛️Restricciones físicas universales.

🧠Las redes neuronales son una herramienta potentísima ya que se ha demostrado que son capaces de aproximar cualquier dependencia funcional. Los matemáticos lo llamamos Teorema de Aproximación Universal.

⚛️Pero si añadimos ciertas restricciones físicas a las capas internas de la red, entonces las redes no aprenderán cualquier dependencia funcional, aprenderán exactamente la que al científico le interesa.

Bueno… todo esto está muy bien. Pero un científico lo que quiere es curar el cáncer ¿no? Recojo el guante 😜, vamos a usar todo este jaleo para ponernos a ello.

Hay un cáncer muy malo muy malo, que se llama Glioblastoma. Su diagnóstico es prácticamente una sentencia de muerte 😔. Pues bien, como cualquier fenómeno, puede describirse con unas ecuaciones matemáticas. Tan escueto y a la vez tan terrible…

Venga chicos, hago una tesis en ingeniería, alguna ecuación tenía que caer. ¿A que no ha sido para tanto?

Pues como decíamos antes, hay muchas cosas que sabemos sobre este tumor, pero hay algunas que no. Las células tumorales no responden siempre igual ante los cambios en el nivel de oxígeno, los que trabajéis con cultivos celulares sabéis de lo que hablo.

Podemos aplicar la metodología para concentrar el poder predictivo en desentrañar cómo reaccionan las células (es decir, sus cambios metabólicos). Hemos probado con diferentes tipos de comportamiento, y en todos los casos los aprende. Nuestras redes EXPLICAN ✅.

Pero es que, además, como son capaces de desentrañar el metabolismo, las predicciones para la evolución de los tumores son muy finas, sin que tengamos que asumir ningún modelo subyacente. Nuestras redes PREDICEN ✅.

Tener una herramienta así facilita enormemente la labor de los científicos para diseñar fármacos y terapias que además se adaptan a cada paciente, ya que hacer predicciones por ordenador es barato, rápido… y no requiere de pobres animalitos.

Así que resulta que hemos empezado reconciliando a los científicos y hemos acabado dando un primer paso en la medicina personalizada para quizás, en el futuro, poder mejorar el pronóstico de esta terrible enfermedad que es el cáncer. Moraleja: Concilia y vencerás 😎.

Y hasta aquí mi #HiloTesis. Por supuesto nada de esto hubiera sido posible sin mis directores, @M_H_Doweidar y #ManuelDoblare y sin todo el trabajo de la gente de @TMelab. Sois mi equipazo.