{"id":3235,"date":"2024-03-14T14:28:20","date_gmt":"2024-03-14T13:28:20","guid":{"rendered":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/?page_id=3235"},"modified":"2025-01-31T12:52:21","modified_gmt":"2025-01-31T11:52:21","slug":"quen-e-quen","status":"publish","type":"page","link":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/quen-e-quen\/","title":{"rendered":"Quen \u00e9 quen?"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Despois de ter utilizado os programas CystAnalyser e STERapp na aula nos obradoiros anteriores (introd\u00facense ambos programas no obradoiro 5<\/a>), o obxectivo deste exercicio ser\u00e1 debater na aula cal deles utiliza algoritmos de aprendizaxe autom\u00e1tica e cal non usa.<\/p>

Ambos programas te\u00f1en unha interface gr\u00e1fica que permite moitas operaci\u00f3ns, pero neste exercicio imos concentrarnos en como fan a an\u00e1lise autom\u00e1tica da imaxe ambos programas. Para simplificar, imos illar esta parte de ambos programas e representala como unha caixa que toma unha\u00a0 entrada e proporciona unha ou varias sa\u00eddas. A entrada en ambos casos ser\u00e1 a imaxe histol\u00f3xica, no caso do CystAnalyser de f\u00edgado ou ril, e no caso do STERapp de g\u00f3nada de peixe.<\/p>

E que te\u00f1en que proporcionar como sa\u00edda?<\/strong> Para o CystAnalyser o persoal de investigaci\u00f3n dos laboratorios de medicina necesita contar o n\u00famero de quistes e o \u00edndice qu\u00edstico de cada imaxe.\u00a0 Para calcular o \u00edndice qu\u00edstico da imaxe necesito calcular a \u00e1rea dos seus quistes. Esta informaci\u00f3n teri\u00e1mola se o m\u00e9todo de an\u00e1lise autom\u00e1tica do CystAnalyser proporcionara os contornos de cada quiste, tal como se esquematiza na figura 1.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Figura 1. Esquema para representar o algoritmo de an\u00e1lise autom\u00e1tica do CystAnaliser<\/em><\/p>

No caso do STERapp, o persoal de investigaci\u00f3n en pesquer\u00edas necesita, para cada imaxe, contar o n\u00famero de c\u00e9lulas en cada estado de desenvolvemento (aquelo de vitelinas, alveolos corticais e hidratadas) e medir as c\u00e9lulas. Xa dixemos que os ovos (c\u00e9lulas) dos peixes, como os das gali\u00f1as, son m\u00e1is ou menos esf\u00e9ricos, e para ter unha medida fiable teremos que medilos cando os cortamos polo medio. Se pensamos no ovo dunha gali\u00f1a, ser\u00eda cando vemos a xema. Pois nos ovos dos peixes, a cousa \u00e9 m\u00e1is ou menos igual, xa que estas c\u00e9lulas tam\u00e9n te\u00f1en un n\u00facleo. A figura 2 amosa un esquema do que ten que proporcionar o algoritmo de STERapp. Ademais do contorno das c\u00e9lulas para poder medir, teremos que saber en que estado de desenvolvemento est\u00e1 e se ten o n\u00facleo visible ou non (se se lle ve a xema ou non).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Figura 2. Esquema para representar o algoritmo de an\u00e1lise autom\u00e1tica do STERapp<\/em><\/p>

Inicia un debate co alumnado para que pense sobre que programa utiliza algoritmos de aprendizaxe autom\u00e1tica e cal non, en base \u00f3s co\u00f1ecementos que adquiriron nas actividades anteriores. Segundo o curso, poden ser moi novos para razoar esta cuesti\u00f3n tan profunda, pero penso que \u00e9 positivo formular estas cuesti\u00f3ns e debatelas, a\u00ednda que non cheguemos \u00e1 soluci\u00f3n. M\u00e1is abaixo explicarei a soluci\u00f3n.<\/span><\/p>

Para darlles algunha pista, l\u00e9mbralles as conclusi\u00f3n dos exercicios de \u201cTeatro de fideos<\/a>\u201d e \u201cLanzando a pelota<\/a>\u201d, nos cales: 1) No exercicio \u201cTeatro de fideos\u201d chegabamos \u00e1 soluci\u00f3n cun mecanismo que nos daba unhas instruci\u00f3ns claras que sempre funcionaban; e 2) o exercicio de \u201cLanzando a pelota\u201d sempre proporcionaba unha soluci\u00f3n aproximada e necesitaba adestrarse con exemplos reais contendo a entrada e sa\u00edda desexada que lle proporcionabamos. A idade e o peso da persoa eran datos de entrada e a distancia que percorrida era a sa\u00edda desexada para varias persoas.<\/span><\/p>

Polo tanto, podemos conclu\u00edr co alumnado que un programa non necesita aprendizaxe autom\u00e1tica (e, polo tanto, intelixencia artificial) sempre que sexamos capaces (as persoas que dese\u00f1amos o programa) de inventar un algoritmo (mecanismo ou estratexia) que nos leve desde a entrada \u00e1 sa\u00edda desexada. Cando non somos capaces, asumimos o noso fracaso e usamos a aprendizaxe autom\u00e1tica.<\/span><\/p>

No caso do CystAnalyser parece que s\u00f3 temos unha tarefa, que ser\u00eda reco\u00f1ecer os contornos dos quistes. No caso do STERapp parece m\u00e1is complexo porque non s\u00f3 temos que reco\u00f1ecer o contorno dos obxectos (neste caso c\u00e9lulas) sen\u00f3n tam\u00e9n dicir de que tipo son (con dous criterios de clasificaci\u00f3n que ser\u00edan o estado de desenvolvemento e a presencia de n\u00facleo).<\/span><\/p>

Imos analizar a acci\u00f3n que parece com\u00fan a ambos programas: o reco\u00f1ecemento de obxetos na imaxe (c\u00e9lulas ou quistes). Algo que nos podemos preguntar \u00e9: sen ser persoal experto \u2014<\/b>v\u00f3s e eu non o somos porque non sabemos as cuesti\u00f3ns avanzadas de pesquer\u00edas e biomedina\u2014 poderiamos realizar a tarefa de reco\u00f1ecer o contorno de quistes e c\u00e9lulas?<\/b><\/span><\/p>

Parece que con algunhas instrucci\u00f3n simples si que poderiamos, porque identificamos o borde das c\u00e9lulas e tam\u00e9n dos quistes. Como tanto o crecemento das c\u00e9lulas como dos quistes \u00e9 continuo, tal vez te\u00f1amos algunhas d\u00fabidas para distinguir cando unha c\u00e9lula pasa a ser madura ou cando un quiste deixa de ser “ru\u00eddo” e te\u00f1o que consideralo. Pero, salvo esta pequena cuesti\u00f3n, poderiamos facer esta tarefa utilizando manualmente os programas CystAnalyser e STERapp.<\/span><\/p>

Cando isto pasa, podo pensar en constru\u00edr un algoritmo que dada a imaxe de entrada intente reco\u00f1ecer os obxectos e proporcionar unha soluci\u00f3n. Polo tanto, a tarefa de reco\u00f1ecer o contorno dos quistes e as c\u00e9lulas non utiliza algoritmos de aprendizaxe autom\u00e1tica<\/b>. Algunha persoa pode estar pensando: “pero neste caso non funciona como o teatro de fideos que sempre nos leva \u00e1 soluci\u00f3n perfecta. Aqu\u00ed o STERapp equiv\u00f3case moitas veces.” Efectivamente levan raz\u00f3n, o problema \u00e9 moi complexo e a\u00ednda non somos quen de resolvelo completamente e s\u00f3 constru\u00edmos un sistema semi-autom\u00e1tico que necesita a supervisi\u00f3n dunha persoa experta. Pero nada nos garante que utilizando aprendizaxe autom\u00e1tica vaiamos chegar a unha soluci\u00f3n mellor.<\/span><\/p>

Polo tanto xa tedes a resposta: o CystAnalyser non utiliza aprendizaxe autom\u00e1tica<\/b> e utiliza un algoritmo distinto para analizar a imaxe de f\u00edgado e de ril que detectan os obxectos na imaxe. O persoal experto de biomedicina est\u00e1 bastante contento porque fai o reconto de quistes bastante ben e moi r\u00e1pido e facil\u00edtalles moito o seu traballo no dese\u00f1o de menci\u00f1as para estudar a enfermidade xen\u00e9tica poliquistose renal (mira o v\u00eddeo do experto Dr. Adri\u00e1n Cordido Eijo<\/a> no obradoiro 5).<\/span><\/p>

Ent\u00f3n, onde incorpora o algoritmo de aprendizaxe autom\u00e1tica o STERapp?<\/b> No caso do reco\u00f1ecemento de c\u00e9lulas, a\u00ednda que non sexamos persoal experto podemos identificar o contorno das mesma. Ent\u00f3n, se o equipo que dese\u00f1a o algoritmo (non experta en biolox\u00eda mari\u00f1a) sabe cal ten que ser a sa\u00edda, pode intentar constru\u00edr un algoritmo que faga esa tarefa sen utilizar aprendizaxe autom\u00e1tica.<\/span><\/p>

Isto non pasa no problema de establecer o tipo de c\u00e9lula que \u00e9. O persoal experto en pesquer\u00edas necesita meses de adestramento para identificar correctamente o estado de desenvolvemento, e hai diferencias de criterio entre o persoal novel e experto. Se o equipo de dese\u00f1o non ten unha idea clara de cal \u00e9 a sa\u00edda para unha entrada dada, non \u00e9 posible inventar un algoritmo. Nestes casos, consid\u00e9rase que o persoal experto \u00e9 incapaz de aportar unhas regras claras para resolver o problema e \u00f3ptase por usar un algoritmo que trate de \u201caprender\u201d as regras ocultas que se est\u00e1n a usar. Este modo de aprender tam\u00e9n o utilizamos as persoas na vida diaria, pensade na medicina onde as especialidades se van aprendendo coa pr\u00e1ctica nos hospitais vendo como fai o seu traballo o persoal con m\u00e1is experiencia, e non s\u00f3 estudando os conceptos nos libros (a\u00ednda que se necesite a base de co\u00f1ecemento dos libros para poder aprender).<\/span><\/p>

Podes debater co alumnado exemplos “de andar pola casa”. Prop\u00f3n o escenario no que unha persoa lle quere explicar por tel\u00e9fono a outra como \u00e9 a paisaxe que est\u00e1 vendo pola fiestra na primavera (unha combinaci\u00f3n de flores e vexetaci\u00f3n de distintos tipos e cores). Ou como describir o estampado dunha camisa, coas flores m\u00e1is grandes ou pequenas, dun tipo ou doutro. Podemos observar que as descrici\u00f3ns son moi vagas, nada precisas, con adxectivos de \u201cpar\u00e9cese a …\u201d. Se a persoa \u00f3 outro lado do tel\u00e9fono tivese que debuxar o estampado que lle relatan por tel\u00e9fono, non se parecer\u00eda en moito \u00f3 orixinal. Este tipo de problemas intentan resolverse con sistemas de intelixencia artificial, algunhas veces funcionan e outras non. En calquera caso, sempre ser\u00e1 necesario unha validaci\u00f3n do sistema, unha vez constru\u00eddo, antes de po\u00f1elo a funcionar nun entorno real.<\/span><\/p>

O STERapp utiliza un algoritmo de aprendizaxe autom\u00e1tica para determinar o estado de desenvolvemento da c\u00e9lula e outro para determinar se a c\u00e9lula ten n\u00facleo visible ou non. Como podedes ver no manual de uso de STERapp, que atoparedes no obradoiro 5<\/a>, o programa incorpora un submen\u00fa para adestrar estes algoritmos para distintas especies de peixes.<\/span><\/p>

A versi\u00f3n distribu\u00edda ten adestrados os algoritmos para utilizar coa merluza, pero pode adestrarse para operar con outras especies. <\/span>Para iso, haber\u00e1 que ter unha colecci\u00f3n de exemplos (pares de informaci\u00f3n c\u00e9lula e estado de desenvolvemento) proporcionados polo persoal experto. No repositorio do CiTIUS<\/a> tes estes exemplos para outras especies de peixes, proporcionadas polo Instituto de Investigaci\u00f3ns Mari\u00f1as de Vigo e o Instituto Espa\u00f1ol de Oceanograf\u00eda. No manual de uso tes instruci\u00f3ns de como facer o adestramento cunha nova especie con STERapp.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Despois de ter utilizado os programas CystAnalyser e STERapp na aula nos obradoiros anteriores (introd\u00facense ambos programas no obradoiro 5), o obxectivo deste exercicio ser\u00e1 debater na aula cal deles utiliza algoritmos de aprendizaxe autom\u00e1tica e cal non usa. Ambos programas te\u00f1en unha interface gr\u00e1fica que permite moitas operaci\u00f3ns, pero neste exercicio imos concentrarnos en […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_uag_custom_page_level_css":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"class_list":["post-3235","page","type-page","status-publish","hentry"],"uagb_featured_image_src":{"full":false,"thumbnail":false,"medium":false,"medium_large":false,"large":false,"1536x1536":false,"2048x2048":false},"uagb_author_info":{"display_name":"ainformatica-admin","author_link":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/author\/ainformatica-admin\/"},"uagb_comment_info":0,"uagb_excerpt":"Despois de ter utilizado os programas CystAnalyser e STERapp na aula nos obradoiros anteriores (introd\u00facense ambos programas no obradoiro 5), o obxectivo deste exercicio ser\u00e1 debater na aula cal deles utiliza algoritmos de aprendizaxe autom\u00e1tica e cal non usa. Ambos programas te\u00f1en unha interface gr\u00e1fica que permite moitas operaci\u00f3ns, pero neste exercicio imos concentrarnos en…","_links":{"self":[{"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/pages\/3235","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/comments?post=3235"}],"version-history":[{"count":10,"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/pages\/3235\/revisions"}],"predecessor-version":[{"id":3267,"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/pages\/3235\/revisions\/3267"}],"wp:attachment":[{"href":"https:\/\/tec.citius.usc.es\/ainformaticaeavida\/wp-json\/wp\/v2\/media?parent=3235"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}