Les dades sintètiques s’estan consolidant com una solució clau per entrenar models d’IA quan les dades reals són escasses, sensibles o difícils d’obtenir. En aquesta sessió veurem com s’utilitzen en àmbits diversos (salut, la mobilitat autònoma, les finances, la generació de surrogate models per a simulacions o altres). Explorarem com es generen, què aporten i quin impacte tenen sobre la qualitat dels models per tal d’assolir  una IA més robusta, segura i escalable.

Presenta:

• Rafael Redondo, Senior Researcher, Head of Image Group, Multimedia Technologies, Eurecat

Participa:

• Dirk Hornung, CEO, Metascan

• Ivan Vollmer, Cap de Secció de Radiologia Toràcica, Servei de Radiodiagnòstic, Hospital de la Vall d’Hebron. Professor Associat, Facultat de Medicina, Universitat Autònoma de Barcelona i Carolina Migliorelli, Head of Research Line (Healthcare Artificial Intelligence), Eurecat

Eurecat.org | LinkedIn

Investigador de la Unitat de Tecnologies Multimèdia d’Eurecat. Es va doctorar en visió per computador a l’Institut d’Òptica (CSIC) ia l’Escola Tècnica Superior de Telecomunicacions (ETSIT) de la Universitat Politècnica de Madrid (UPM) el 2007. Posteriorment, ha participat en projectes internacionals europeus de visualització d’imatges mèdiques volumètriques-3D, millora de contrast de càmeres, avaluació de sistema d’enfocament automàtic, o reconeixement automàtic de pol·len. També va obtenir un màster en Sonologia per la Universitat Pompeu Fabra (UPF). Els seus camps de recerca inclouen models biològics de la visió humana, codificació i compressió d’imatges, representacions de temps-freqüència i reconeixement de patrons. En el camp dels sistemes interactius, ha treballat com a freelance en projectes per a Cosmocaixa (Top Ciència) o La Fura dels Baus (MURS). En els darrers anys a Eurecat ha treballat amb models neuronals profunds (Deep Learning) en projectes dispars com a efectes de natural-matting per a postproducció cinematogràfica o estimació de profunditat en realitat virtual 360. Actualment treballa recerca aplicada de models generatius multimodals i en reconstrucció 3D en patrimoni cultural. Té 17 publicacions a revistes internacionals i més 20 a conferències internacionals.

metascan.es | LinkedIN

Dirk Hornung, doctor en Física de Partícules, va passar a l’enginyeria de programari a Google, on es va centrar a implementar models d’IA centrats a l’ésser humà. Posteriorment, va ampliar la seva experiència com a enginyer de compiladors per a GPU, optimitzant grans models de llenguatge (LLM) a GPU de Nvidia mitjançant el compilador XLA. Actualment, Dirk impulsa la innovació com a fundador de Metascan, una startup dedicada als humans digitals i al desenvolupament i entrenament de models fundacionals humans.

Descobreix com les dades sintètiques centrades en les persones estan revolucionant el desenvolupament de la intel·ligència artificial. Explorarem per què les fonts de dades tradicionals sovint resulten insuficients a causa de preocupacions sobre la privacitat, els biaixos i l’escassetat. Aprèn com la generació de dades sintètiques d’alta qualitat i que preserven la privacitat permet un entrenament robust de la IA, accelera la innovació i minimitza els riscos ètics. Aquesta sessió il·luminarà les aplicacions pràctiques i el gran potencial de les dades sintètiques per construir sistemes d’IA més equitatius i efectius avui mateix.

www.vallhebron.com  | @ivanvollmert

Ivan Vollmer és llicenciat en Medicina i Cirurgia per la Universitat de Barcelona (UB) (1993-1999), especialista en Radiodiagnòstic (2000-2004) i Doctorat en Medicina (2023) per la UB. Actualment és Cap de Secció de Radiologia Toràcica a l’Hospital de la Vall d’Hebron i investigador en imatge toràcica al VHIR. Té una àmplia experiència, de més de 20 anys, en assistència, docència i recerca en Radiologia Toràcica. Anteriorment va ser adjunt de Radiologia i coordinador adjunt de la Unitat Funcional de Càncer de Pulmó a l’Hospital del Mar (2004-2014) i Consultor de Radiologia i tutor de residents a l’Hospital Clínic (2015-2024).

eurecat.org | @Eurecat_news | Instagram

La Dra. Carolina Migliorelli Falcone és responsable de la línia de recerca a Trustworthy Artificial Intelligence for Healthcare dins de la Unitat de Salut Digital d’Eurecat. La seva trajectòria investigadora va començar amb una tesi doctoral al Centre de Recerca en Enginyeria Biomèdica (CREB – UPC), seguida d’una etapa postdoctoral vinculada al Centre de Recerca Biomèdica a la Xarxa (CIBER-BBN).

El seu treball se centra en el desenvolupament de sistemes d’intel·ligència artificial aplicats a la salut, amb una atenció especial als aspectes de confiança, explicabilitat i seguretat. Lidera projectes orientats a crear algorismes avançats d’aprenentatge automàtic que donin suport a la presa de decisions clíniques, facilitin la classificació i estratificació de pacients, i promoguin intervencions personalitzades basades en dades. També treballa en solucions que permeten a les persones gestionar la salut i millorar el seu estil de vida mitjançant tecnologies digitals fiables i adaptades.

Compta amb àmplia experiència en el processament i anàlisi de dades biomèdiques i en la integració de dades clíniques en entorns complexos. És doctora en Enginyeria Biomèdica (UPC), màster en Enginyeria Biomèdica (UB-UPC) i Enginyera Tècnica de Telecomunicacions amb especialitat en Sistemes Electrònics (UPC).

El desenvolupament de models d’IA per al diagnòstic de càncer de pulmó requereix bases de dades de TC àmplies, amb anotacions acurades dels nòduls (localització, mida, morfologia) i informació clínica associada. La seva obtenció és lenta, costosa i limitada per la sensibilitat de les dades i el desequilibri entre casos benignes i malignes, la qual cosa redueix la robustesa dels classificadors. Les imatges sintètiques generades amb IA ofereixen una solució per ampliar i equilibrar cohorts i entrenar models més sòlids. La ponència mostrarà el procés de generació, la seva rellevància clínica i la necessitat d’una validació experta rigorosa.