Cristóbal Colón Ruiz (Projects)

 

A significant portion of technologies involves interacting with people through user interfaces in interactive systems. Therefore, it is necessary to design accessible user interfaces which ensure that all people can access and operate these systems regardless of their visual, auditory, cognitive or motor abilities. For this reason, the primary aim of this project is to show the viability and application of accessibility techniques for the design and development of of video conferencing systems that ensure persons with disabilities (PWDs) can access and operate them. Due to the nature of accessibility requirements, this project will use a multidisciplinary approach based on the shared scientific knowledge that methods from fields such as Artificial Intelligence (AI) and Human-Computer Interaction (HCI) can provide.

There are users with sensory impairments, such as blind people, individuals with low vision, deaf individuals, or those with hearing impairments, who need video conferencing applications that include necessary accessibility requirements, such as services providing audio descriptions of videos and images, interfaces that are adapted in relation to sensory characteristics, subtitling services, voice-operated applications or screen readers. Furthermore, there are cognitive accessibility barriers that affect both people with intellectual disabilities and the elderly, all of whom require intuitive user interfaces, text simplification services, and the generation for text summarization summaries, among other tools, to assist in the understanding of texts, as set out in this project.

As specific contributions, design standards will be defined following HCI methods for the design of accessible and adaptable user interfaces. Additionally, affective computing and computational semiotic techniques will be explored with regards to their application in the interactive elements of user interfaces. Moreover, telematic techniques used to generate subtitles will be researched, as well as the use of AI techniques for the generation of high-quality transcriptions through the post-processing of subtitles. In the area of AI and Natural Language Processing (NLP), approaches will be explored to carry out the lexical simplification and the creation of corpora in the fields of Easy-to-Read texts and Plain Language. Furthermore, deep learning techniques used to text summarization will also be researched.

 

  • Reference: PID2020-116527RB-I00
  • Financing: Convocatoria 2020 Proyectos Generación del Conocimiento y Retos Investigación. MINISTERIO DE CIENCIA E INNOVACIÓN
  • Project type: Público
  • State: Activo
  • Principal investigator: Lourdes Moreno
  • Other investigator: Paloma Martínez, Belén Ruiz-Mezcua, Isabel Segura-Bedmar, Israel González Carrasco, Jose Luis Lopez-Cuadrado, José Luis Martínez Fernández, Rodrigo Alarcón, Cristóbal Colón Ruiz
  • Duration: -

Gracias a la investigación biomédica, se ha generado una gran cantidad de conocimiento sobre enfermedades raras en los últimos años. El elevado coste de los análisis moleculares y la existencia de una bibliografía reducida, en ocasiones inaccesible o dispersa, dificulta el avance en el diagnóstico y tratamiento de estas patologías. Frecuentemente, los pacientes afectos, a pesar de que sus condiciones son mortales o crónicamente incapacitantes, carecen de tratamiento. Aunque las bases genéticas hayan sido dilucidadas, en muchos casos la pérdida de función de los genes causantes no explica la complejidad fenotípica observada. Este es el caso de genodermatosis como la Epidermólisis bullosa distrófica (EBDR), síndrome de Kindler (SK) o Xeroderma pigmentoso (XPC). Estas enfermedades comparten manifestaciones clínicas y predisposición al cáncer, a pesar de tener diferentes bases genéticas. El proyecto tiene como objetivo aplicar técnicas de Procesamiento de Lenguaje Natural (PLN) para analizar la literatura biomédica con el fin de aumentar el conocimiento relativo a las enfermedades raras y desvelar relaciones complejas presentes en estas enfermedades. En concreto, esperamos identificar biomarcadores precisos, dianas terapéuticas de estas patologías, así como facilitar su diagnóstico a clínicos no especialistas. Además, se plantea como caso de uso, el análisis en estas tres genodermatosis (EBDR, KS y XPC) con el fin de correlacionar la información obtenida mediante PLN con los patrones de expresión génica provenientes de arrays moleculares de dichas enfermedades, publicados previamente por el grupo TERMeG.  La trayectoria conjunta de los integrantes del proyecto, su experiencia en los campos del PLN y enfermedades raras, así como su carácter multidisciplinar sumado al interés de los consorcios de investigación especializados (CIBERER) y de las asociaciones de pacientes implicadas (DEBRA), garantizan la viabilidad y el impacto de la propuesta.

  • Reference: NPL4RARE-CM-UC3M
  • Financing: Convocatoria del Programa de Apoyo a la Realización de Proyectos Interdisciplinares de I+D para jóvenes investigadores de la UC3M 2019-2020
  • Project type: Público
  • State: Activo
  • Principal investigator: Isabel Segura Bedmar, Sara Guerrero Aspizua
  • Other investigator: Lourdes Moreno, Cristóbal Colón Ruiz, Rodrigo Alarcón, Carlos León Canseco , Lucía Martínez Santamaría , José Bonafont Aragó, Esteban Chacón Solano
  • Duration: -

El objetivo es el desarrollo de un sistema para procesamiento del texto libre de las historias clínicas electrónicas (HCE) del Hospital Universitario Fundación de Alcorcón (HUFA) utilizando técnicas de procesamiento de lenguaje natural y métodos de deep learning. HUFA fue uno de los primeros hospitales de la Comunidad de Madrid en disponer de HCE, desde su apertura a finales de 1997. En la actualidad la Comunidad de Madrid tiene integradas más 5 millones de HCE de las que sólo se procesan los metadatos estructurados. El resto de la información, en formato no estructurado (texto libre), a día de hoy permanece sin ser poder ser explotada por procesos automáticos. El desarrollo de tecnología capaz de procesar y explotar información no estructurada en texto libre de la HCE en el contexto actual de big data, puede tener muchas aplicaciones tanto en la mejora de la práctica clínica (generación automática de resúmenes de episodios relacionados con un paciente, sistemas de ayuda a la decisión clínica para personalizar diagnósticos y tratamiento de enfermedades, alertas de enfermedades infecciosas, mejora de los sistemas de farmacovigilancia, etc.) como en investigación (semi-automatización de los estudios epidemiológicos, por ejemplo en la identificación de los cohortes de pacientes). En concreto, la realización de estudios epidemiológicos implica una ardua labor en la revisión manual de un elevado número de HCE, lo que a su vez conlleva un gran número de recursos humanos y una ingente cantidad de horas de trabajo. Por tanto es crucial promover el desarrollo de técnicas automáticas que permitan obtener información de forma más ágil, convirtiendo la información no estructurada en estructurada y procesable por algoritmos automáticos, y facilitando así la toma de decisiones estratégicas.
El objetivo del proyecto es el desarrollo de técnicas de PLN y método de deep learning para el análisis de la información no estructurada de la HCE, con el fin último del de reducir el coste, en tiempo y recursos, de los estudios epidemiológicos. El proyecto tiene dos centros participantes: (Subproyecto 1) Grupo LABDA de la UC3M que desarrollará el sistema automático para el procesamiento de la HCE y (Subproyeto 2) HUFA cuyo equipo está formado por especialistas de la unidad de Alergología, que serán los encargados de llevar a cabo un estudio epidemiológico a partir de los datos obtenidos de la HCE mediante al uso de PLN y métodos de deep learning. En concreto, el estudio epidemiológico tendrán como principal objetivo estudiar la prevalencia de la anafilaxia en la población definida como caso de uso de aplicación. Varios profesionales del servicio de informática de HUFA serán los encargados de anonimizar las HCE para garantizar la protección de datos de los pacientes.
Aunque el sistema será desarrollado sobre la HCE del HUFA, la tecnología que se pretende desarrollar en el proyecto solicitado, podría ser aplicada directamente a la HCE de cualquier otro hospital. Además, su adaptación al estudio epidemiológico de otras patologías distintas a la anafilaxia (cáncer de mama, ictus, etc) es relativamente sencilla ya que los enfoques (deep learning) que se quieren abordar durante el proyecto son independientes del problema a tratar.

  • Reference: TIN2017-87548-C2-1-R
  • Financing:
  • Project type: Público
  • State: Activo
  • Principal investigator: Paloma Martínez Fernández, Isabel Segura Bedmar
  • Other investigator: Jose Luis Lopez-Cuadrado, Israel González Carrasco, José Luis Martínez Fernández, Lourdes Moreno, Belén Ruiz-Mezcua, Cristóbal Colón Ruiz, Rodrigo Alarcón
  • Duration: -