Gestión de datos
ECoMMFiT tiene una gran experiencia en la gestión, almacenaje y procesado
de grandes volúmenes de datos. Algunas de las actividades de investigación
principales del grupo giran en torno a la Experimentación y la Dinámica de
Fluidos Computacional, las cuales generan por diseño un gran volumen de datos.
Esta información incluye: datos de imágenes generadas por hardware de
adquisición de imágenes (por ejemplo, alta resolución y cámaras de alta
velocidad), colección de datos hidrodinámicos de una gran variedad de
sensores de flujo (velocidad, temperatura, presión) y datos
estructurados generados por simulaciones numéricas computacionales
masivas en sistemas de computación de alto rendimiento, tanto internos
como externos.
El grupo es experto en los campos de los Datos Masivos y el Aprendizaje Automático.
Un conjunto de Inteligencia Artificial, Aprendizaje Automático (o Estadístico) hace
referencia a un amplio conjunto de herramientas para el modelado y la comprensión de
conjuntos de datos complejos. Este campo ha atraído en los últimos tiempos una creciente
atención debido a su capacidad de llevar a cabo la reducción de datos en paquetes de
datos enormes. El Aprendizaje estadístico se ha convertido en un camp en ebullición en
muchas áreas científicas así como en disciplinas como el marketing, las finanzas, la
ingeniería y la empresa.
El análisis de datos masivos proporciona una herramienta para la caracterización de los datos y
la detección de anomalías/desviaciones. Combinado con técnicas de Aprendizaje Automático, estos
grandes volúmenes de datos pueden ser usados para construir modelos matemáticos más o menos
complejos para (1) predecir respuestas a perturbaciones en un gran número de predictores - Aprendizaje
Supervisado y (2) clasificar grandes paquetes de datos de acuerdo con características
redeterminadas - Aprendizaje No supervisado.
En colaboración con el Hospital Universitario Joan XXIII de Tarragona, este proyecto utiliza datos monitorizados de alrededor de mil pacientes para:
- identificar cuadros de pacientes que puedan llevar potencialmente a extubaciones no planificadas en pacientes con ventilación mecánica
- obtener un modelo para verificar la validez del índice RoX como predictor para una extubación satisfactoria. Este índice (RoX), definida como la razón entre la saturación de oxígeno medida por oximetría de pulsos/FiO2 y el ritmo respiratorio, ha sido ya utilizada como predictor para una extubación satisfactoria en pacientes con hipoxemia respiratoria aguda.
Otro estudio basado en Aprendizaje Automático (Machine Learning en inglés) realizado por el grupo tenía como objetivo evaluar el impacto de la estancia de cruceros en el puerto de una gran ciudad en la calidad del aire del área urbana. Los resultados han sido publicados en el artículo siguiente:
