La cadena agroalimentaria está llena de innovaciones. Desde la producción hasta la distribución del producto. Agtech es lo último en el sector, relacionándolo con IA.
NUTRICIÓN PERSONALIZADA
Una buena alimentación no solo te da más años de vida, fuerza y salud. Además afecta a tu estado anómico, el estado de tu microbiota y tu rendimiento. Tener una dieta que se adapte a tus necesidades y a tu nutrición, el estilo de vida es clave.
COMBATE EL ESTRÉS LABORAL CON IA
El estrés laboral es uno de los principales problemas de salud en el ámbito laboral y del buen funcionamiento de las entidades. El estrés puede dar lugar a comportamientos disfuncionales y no habituales en el trabajo y contribuir a una mala salud física y mental.
La IA como recurso para reducir la desertificación
EL problema de la desertificación
La desertificación afecta a más de 15000 millones de personas en todo el mundo. Generalmente, las más afectadas son aquellas con un estatus social bajo y que viven en las zonas más vulnerables del planeta.
Cuando hablamos de desertificación, nos referimos a la degradación que la tierra sufre en zonas áridas, semiáridas y secosubhúmedas. Esto se debe mayoritariamente a la gran exposición de las actividades humanas, como la desforestación o bien la sobreexplotación de recursos y por otro lado, las variaciones climáticas que sufre nuestro planeta en forma de sequías o lluvias torrenciales. La mayoría de veces, esta desertificación es irreversible afectando directamente a la pérdida de productividad.
Algunos de los territorios en riesgo son parte del continente africano, de EUA, América de Sur, Australia o España. Para reducir el impacto que la desertificación produce en estas áreas deben ser tratados los factores políticos, socioeconómicos, científicos y/o sociales del momento con el objetivo de conseguir las medidas adecuadas para reducir los efectos que desafortunadamente este suceso conlleva.
La IA y la desertificación
Para los diferentes estudios de la desertificación en las distintas áreas del planeta con riego se utilizan varias técnicas de inteligencia artificial con la finalidad de poder analizar de una forma más exhaustiva todos los datos conseguidos. Para el aprendizaje automático, los métodos más recurrentes son la utilización de: Vecino más cercano (K-NN), Randomforest (RF) o Support vector machine (SVM). Por otro lado, encontramos también el aprendizaje profundo, entre estos destacar el uso de: Perceptrón multicapa (MLP) o las Redes Neuronales Convolucionales (CNN).
Dejando de lado las metodologías utilizadas para el análisis de datos, debemos considerar también de dos tipos de variables para analizar cada una de las distintas situaciones. Así pues, por un lado encontramos las variables biofísicas y por el otro, las socioeconómicas.
VARIABLES BIOFÍSICAS
–Índice de aridez
Se calcula mediante el ratio de la precipitación anual y la evapotranspiración potencial anual (variable entre el rango de 0.05 y 0.65). Gracias al uso de RandomForest, XGBoostasí como redes neuronales artificiales, podemos predecir la evapotranspiración y la precipitación eficazmente.
Estrés hídrico de la vegetación y estado reservas de agua subterránea:
Las redes neuronales convolucionales se han utilizado para completar datos de anomalías en la estimación de almacenamiento de agua terrestre. Por otro lado, el uso del aprendizaje profundo con imágenes térmicas infrarrojas se ha identificado también como una técnica muy útil para la evaluación del estrés hídrico de los cultivos y de la vegetación natural.
–Identificación precisa de pastizales y de carbono orgánico en el suelo:
A través de la combinación del aprendizaje automático y el profundo conseguimos detectar la vegetación y el tipo de suelo a partir de los resultados precisos generados a partir de los algoritmos.
–Imágenes de satélite:
A partir de señales abruptas debido a los cambios en la cubierta vegetal, posteriormente se pueden elaborar mapas precisos de zonas deforestadas a partir del aprendizaje profundo. En comparación al aprendizaje automático, que este nos permitirá por otro lado, predecir zonas potenciales de deforestación para poder conseguir una mejor gestión del territorio afectado.
VARIABLES SOCIO-ECONÓMICAS
–Densidad de población:
La inteligencia artificial nos puede ayudar a cuantificar las redes comerciales productor-consumidor a nivel global y consecuentemente conocer el impacto de la ciudad en el campo. Además, imágenes de drones, aviones o satélites nos permiten elaborar mapas urbanos precisos que nos ayudan a predecir la expansión del territorio urbano.
–Asociación de la renta media y la desertificación:
Usando imágenes satelitales y aprendizaje profundo podemos entender el bienestar económico de la población en los distintos países.
–La agricultura a gran escala, de regadío y el sobrepastoreo:
La inteligencia artificial está ampliamente aplicada en distintos estudios de la agricultura a fin de poder conseguir una gestión sostenible de los recursos para combatir la desertificación.
En resumen, la inteligencia artificial aplicada en el campo de la desertificación, nos permite dar respuesta a dónde y cuándo podría ocurrir esta. No obstante, cabe remarcar que el estudio es complejo por la cantidad de factores a tener en cuenta. Debemos trabajar de manera síncrona con las distintas escalas espaciales y temporales siendo conscientes de las dificultades que esto supone y teniendo en cuenta además las variables biofísicas y socioeconómicas para tratar la desertificación y abordar el problema que esta ocasiona. Una vez conocido el impacto que tienen estos condicionantes, podremos incidir en las soluciones más adecuadas en cada una de las áreas.
Bibliografía:
1.-Guirado, E., Martínez-Valderrama, J. 2021. Potencial de la inteligencia artificial para avanzar en el estudio de la desertificación. Ecosistemas 30(3): 2250. https://doi.org/10.7818/ECOS.2250
WRITTEN BY
Eva Arnall
Saturdays.AI
Saturdays.AI is an impact-focused organization on a mission to empower diverse individuals to learn Artificial Intelligence in a collaborative and project-based way, beyond the conventional path of traditional education.
4YFN
El Four Years From Now (4YFN) en el Mobile World Congress 2022 en Barcelona
Muchos apasionados en el mundo de la tecnología han vuelto al MWC22. Con más ganas que nunca, después de casi dos años de pandemia, y a pesar de los momentos políticos duros que todos estamos viviendo.
En una de las 8 áreas de este congreso tiene lugar lo que se conoce como el Four Years From Now (4YFN) donde diversas start-ups dan a conocer sus proyectos. Objetivo: de hacer difusión entre los diferentes visitantes interesados.
La mayoría somos conscientes que actualmente la IA desempeña un papel fundamental en muchas de las nuevas empresas. Teniendo en cuenta que podemos encontrar este tipo de empresas en eventos como el Mobile World Congres, cabe remarcar las múltiples aplicaciones que esta tiene en ámbitos empresariales tan diversos.
Dos start-up claves
Teniendo presente que eran muchas las start-ups presentes en este espacio compartido en el evento, explicaremos dos de ellas las cuales están relacionadas en el ámbito de la salud y de enorme impacto social dónde aplican la IA para llevar a cabo sus resultados.
Cancer Appy
En primer lugar, Cancer Appy. Este proyecto, a partir de una plataforma digital que proporciona a los centros de salud, hospitales, laboratorios, centros de investigación… permite detectar los marcadores tumorales de los pacientes dando resultados a los especialistas para que posteriormente estos puedan diagnosticar y tratar los diferentes cánceres. Además, permite por otro lado recomendar posibles tratamientos o fármacos a través de los algoritmos diseñados para el programa para las diferentes enfermedades agilizando el proceso. Utilizado así, la IA, el machine learning i la biología a gran escala Cancer Appy permite dar con los mejores tratamientos y subministrar medicinas para los pacientes.
Medbionformatics
Por otra parte, Medbioinformatics es otro tipo de start-up diseñada para el desarrollo potencial de medicamentos a partir de los genes a fin de mejorar la salud de las personas. El programa permite detectar, a partir de un catálogo detallado de todos los genes conocidos a partir de la base de datos, la correlación de las enfermedades existentes con los distintos genes, características y fenotipos. Así pues, se utiliza para mejorar los diagnósticos de las enfermedades, desarrollar nuevos tratamientos o predecir la susceptibilidad individual de tener las enfermedades.
IA, formación necesaria
No es de extrañar pues, que este tipo de nuevas empresas donde todavía les queda mucha inversión e impacto en las distintas áreas de salud así como una mayor repercusión sobre todo en el ámbito público de salud necesite profesionales de distintas áreas. Desde especialistas en detección de enfermedades ya sean estos doctores, biólogos, bioquímicos… hasta profesionales capacitados para tratar datos específicos de las distintas plataformas con IA.
De este modo, comprobamos como la cooperación entre los componentes de equipo es fundamental para tener buenos resultados y generar el impacto social deseado. Ya no solo tratando de cada uno hacer aquello específico en su profesión, sino estar dispuesto a entender otros campos profesionales para traspasar fronteras y poder generar un mayor efecto.
Bibliografía:
1.- Internet: https://cancerappy.com/ [Consulta: 02-03-2022]
2.- Internet: https://www.medbioinformatics.com/ [Consulta: 02-03-2022]
3.- Internet: https://www.mwcbarcelona.com/discover-mwc/startups [Consulta: 02-03-2022]
WRITTEN BY
Eva Arnall
Saturdays.AI
Saturdays.AI is an impact-focused organization on a mission to empower diverse individuals to learn Artificial Intelligence in a collaborative and project-based way, beyond the conventional path of traditional education.
IA EN LA ENFERMERÍA
La enfermería es una de las profesiones consideradas con más contacto directo con las personas. A día de hoy, se estudia cómo implementar nuevas estrategias tecnológicas para la sustitución de tareas en este campo con el fin de disminuir las tareas de sus profesionales aportando una notable mejoría en el trato con sus pacientes.
Calzado Deportivo con sistemas de AI
(Este artículo no tiene fines publicitarios)
¿Recordáis la famosa película «Regreso al Futuro 2» donde el protagonista llevaba el famoso calzado con autoajuste? Y Nike, en 2016, lanzó el calzado especial en honor al aniversario de la película. Es el ejemplo más famoso de la utilización del calzado inteligente. Puedes ver cómo funcionan aquí
Después de este lanzamiento, Nike decidió lanzar una colección más accesible a sus consumidores con el sistema de autoajuste. Sabéis que gracias al sistema de AI fue posible este autoajuste?
La IA se fusionó con un nuevo calzado deportivo de Nike que incorpora con un pequeño microchip que se conecta con una app para móviles en el que el usuario elige la firmeza con la que quiere que se tensen los cordones. Una vez ajustado se puede cambiar las veces que quiera, pero el sistema siempre recordará la medida y se ajustará al comenzar a andar.
La conexión no es inalámbrica, se realiza a través de un cable USB-C como el de muchos teléfonos móviles.
A donde vamos, no necesitamos las carreteras
Robert Zemeckis
¿Qué puede hacer este calzado deportivo con AI del futuro?
Con sistemas de aprendizaje automático, la plataforma puede detectar, reaccionar e incluso dar forma a las últimas tendencias de moda, lo que no solo impulsa al cliente a comprar, sino que además, le permite a la plataforma saber lo que los clientes quieren más allá de los artículos que ya ofrecen.
Una vez que el usuario se haya calzado la zapatilla, los sensores calculan la tensión necesaria para el pie y ajustan el interior del zapato de modo que se asegure la comodidad y el correcto flujo sanguíneo. El sistema y los tejidos son capaces de soportar la misma tensión que un cable de paracaídas estándar, pudiendo aguantar 14,5 kg de fuerza, según los datos de la compañía.
La app guardará las preferencias de ajuste, y además, el usuario puede introducir distintas configuraciones para distintos momentos, aflojándolas durante un tiempo de espera o apretándolas cuando se vuelve a empezar.
¿Quieres saber más sobre la utilización de las tecnologías de AI en diferentes sectores de vida?
En nuestro blog encuentras todo lo que te interese
Written by
Valeria Chernyshova
Missing Maps: Cómo la IA puede salvar vidas
Sin duda una de las aplicaciones de la IA que puede revolucionar más nuestras vidas es aquella que precisamente las salva. Uno de los empleos de esta tecnología que puede salvar vidas es la ayuda en emergencias, ya que puede suponer un soporte crucial, como por ejemplo cartografiar el terreno de una manea sencilla para que puedan acceder los equipos de emergencias. Uno de los proyectos más interesantes que trata sobre esta cuestión precisamente, es el desarrollado por Intel con su programa Missing Maps junto con Cruz Roja.
Missing Maps nace como un proyecto colaborativo y abierto en el que tú mismo puedes ayudar a crear los mapas de las zonas donde las organizaciones humanitarias actúan para facilitar el acceso a las zonas afectadas. Ya que, todos los años miles de personas se ven afectadas por desastres naturales. Estos desastres suelen suceder en lugares que no están cartografiados.
Objetivos de Missing Maps
Los objetivos básicos en los que se basa Missing Maps son:
- Mapear las áreas donde las personas viven bajo riesgo de crisis o desastres, de manera que OpenStreetMap (OSM) sea accesible a las personas, comunidades u organizaciones para organizar una mejor respuesta.
- Apoyar a OpenStretMap, específicamente el Humanitarian OpenSrteetMap Team (HOT), en el desarollo de tecnologías, habilidades, flujos de trabajo y comunidades.
Desde que comenzó el proyecto el número de cartografiados no deja de aumentar. El total de contribuciones al mapeo de estas zonas asciende a 52.783 y el total de editores a 73.679.627, se han realizado 64.297.882 ediciones sobre edificaciones y se han cartografiado un total de 1.346.699 (km) de carreteras.
Funcionamiento de Missing Maps
Missing Maps funcionaría de la siguiente manera:
- Los voluntarios rastrean en remoto imágenes de satélites en OpenStreetMap.
- Los voluntarios de la comunidades añaden detalles locales a esas imágenes como los nombres de las calles, de los barrios y centros de evacuación.
- Las organizaciones humanitarias utilizan la información mareada para planear minimización de riesgos y desastres a la hora de salvar vidas.
Todos podemos ayudar
Missing Maps es un proyecto de gran impacto social que ha ayudado a la mejor actuación de los servicios de emergencias, salvando seguramente muchas vidas. Aquí vemos un ejemplo de una gran idea, que junto con la ayuda de la IA se está llevando a cabo de manera satisfactoria.
Por ello, os animamos no solo a que participéis en el proyecto de Missing Maps y veáis lo sencillo que es participar y colaborar al mapeo de estas zonas en riesgo, sino a que tú crees tu propio proyecto de impacto social con IA. Así que no dudéis en visitar la página web de Saturdays.ai y comenzar así vuestros propios proyectos de impacto social.
Written by
Elena del Castillo Gil
¿Cómo se aplica la inteligencia artificial durante el embarazo? ¿Cómo podemos calcular la edad gestacional a partir de la IA?
La edad gestacional es el indicador que nos permite poder realizar un seguimiento más exhaustivo del embarazo. Este se calcula a partir del perímetro biparietal del cráneo y la circunferencia craneal en el primer trimestre, a diferencia del segundo y tercero que, además de estos parámetros, se añade la longitud del fémur.
La aplicación de la Inteligencia Artificial para la evaluación del diagnóstico fetal a partir del ultrasonido permite conseguir unos resultados iguales o con menos errores a diferencia del método tradicional. Esto se consigue a partir del plano axial transtalámico del cerebro a través de una ecografía 2D y comparándolo con las fórmulas actuales basadas en parámetros biométricos fetales estándar en un gran cohorte de anteriores embarazos.
El nuevo método de cálculo para la edad gestacional a partir de plano axial transtalámico fue desarrollado a partir del uso de DeepLearning. El estudio se realizó a partir de un total de 1394 imágenes de pacientes previas embarazadas y la ayuda de especialistas maternofetales, siendo estas etiquetadas manualmente con la orientación y puntos de referencia cerebrales específicos utilizando un software de computadora. Este fue necesario para que aprendiera a localizar el cerebro en la imagen conocido a día de hoy como quantusGA.
En la siguiente imagen, podemos ver detalladamente como funciona quantusGA:
Una vez recibida la imagen de ultrasonido del cerebro fetal en formato DICOM como imput, en cuestión de días se genera automáticamente un output con la edad gestacional (GA/EG).
El programa quantus GA nos permite, en primer lugar, detectar la posición y orientación del cráneo fetal. Seguidamente, a partir de los puntos clave se puede cortar la imagen o rotar esta misma permitiendo visionar la posición deseada. En último lugar, también se puede extraer información sobre la textura y el tamaño del cerebro. Todo esto con la finalidad de generar la EG.
El estudio que se realizó posteriormente utilizando python (Python Software Fundation, Wilmington, DE) con el fin de afirmar si la Inteligencia Artificial mejora la predicción de la edad gestacional en el segundo y tercer mes de embarazo concluyó con unos resultados iguales o incluso con menores errores en comparación a los parámetros fetales biométricos utilizados tradicionalmente. Así mismo, con la utilización de la imagen entera y su resolución, el método nos permite los cambios relevantes para la estimación de la EG que a diferencia del ojo humano probablemente asociados al crecimiento y maduración del cerebro.
Así pues la IA nos ayuda mayoritariamente a predecir la edad gestacional del bebé contribuyendo a un cuidado óptimo prenatal. Poder acceder a esta es esencial para actuar en múltiples intervenciones perinatales entre las cuales destacan: la inducción del parto, la maduración pulmonar fetal o incluso la reanimación pulmonar. Por otra parte, este método se podría implementar en un programa automatizado aplicable a cualquier máquina de ultrasonidos. Por lo tanto, esto se podría aplicar en numerosas áreas del planeta y tener un mayor impacto en sitios dónde obtener una ecografía en el primer trimestre de embarazo es difícil.
Además, puede ofrecer muchas otras ventajas, entre las cuales cabe destacar:
- Mejor atención a las embarazadas
- Pacientes más tranquilas
- Reducción de las tasas de mortalidad materno-fetal
- Mejor control de cambios en la patología
Bibliografía:
1.- Xavier P Burgos-Artizzu , David Coronado-Gutiérrez , Brenda Valenzuela-Alcaraz , KilianVellvé , ElisendaEixarch, FatimaCrispi, Elisenda Bonet-Carne, Mar Bennasar, EduardGratacos. Analysis of maturation features in fetal brain ultrasound via artificial intelligence for the estimation of gestational age. August 14, 2021. Am J ObstetGynecol MFM.
WRITTEN BY
Eva Arnall
Saturdays.AI
Saturdays.AI is an impact-focused organization on a mission to empower diverse individuals to learn Artificial Intelligence in a collaborative and project-based way, beyond the conventional path of traditional education.