Los datos sintéticos se están consolidando como una solución clave para entrenar modelos de IA cuando los datos reales son escasos, sensibles o difíciles de obtener. En esta sesión veremos cómo se utilizan en ámbitos diversos (salud, movilidad autónoma, finanzas, generación de surrogate modelos para simulaciones u otros). Exploraremos cómo se generan, qué aportan y qué impacto tienen sobre la calidad de los modelos para conseguir una IA más robusta, segura y escalable.

Presenta:

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

Participa:

• Dirk Hornung, CEO, Metascan

• Ivan Vollmer, Jefe de Sección de Radiología Torácica, Servicio de Radiodiagnóstico, Hospital Vall d’Hebron. Profesor Asociado, Facultad de Medicina, Universidad Autónoma de Barcelona y Carolina Migliorelli, Head of Research Line (Healthcare Artificial Intelligence), Eurecat

Eurecat.org | LinkedIn

Investigador de la Unidad de Tecnologías Multimedia de Eurecat. Se doctoró en visión por computador en el Instituto de Óptica (CSIC) y en la Escuela Técnica Superior de Telecomunicaciones (ETSIT) de la Universidad Politécnica de Madrid (UPM) en 2007. Posteriormente, ha participado en proyectos internacionales europeos de visualización de imágenes médicas volumétricas-3D, mejora de contraste de cámara polen. También obtuvo un máster en Sonología por la Universidad Pompeu Fabra (UPF). Sus campos de investigación incluyen modelos biológicos de visión humana, codificación y compresión de imágenes, representaciones de tiempo-frecuencia y reconocimiento de patrones. En el campo de los sistemas interactivos, ha trabajado como freelance en proyectos para Cosmocaixa (Top Ciencia) o La Fura dels Baus (MURS). En los últimos años en Eurecat ha trabajado con modelos neuronales profundos (Deep Learning) en proyectos dispares como efectos de natural-matting para postproducción cinematográfica o estimación de profundidad en realidad virtual 360. Actualmente trabaja en investigación aplicada de modelos generativos multimodales y en reconstrucción 3D en patrimonio cultural. Tiene 17 publicaciones en revistas internacionales y más 20 en conferencias internacionales.

metascan.es | LinkedIN

Dirk Hornung, doctor en Física de Partículas, pasó a la ingeniería de software en Google, donde se centró en implementar modelos de IA centrados en el ser humano. Posteriormente, amplió su experiencia como ingeniero de compiladores para GPU, optimizando grandes modelos de lenguaje (LLM) en GPU de Nvidia mediante el compilador XLA. Actualmente, Dirk impulsa la innovación como fundador de Metascan, una startup dedicada a los humanos digitales y al desarrollo y entrenamiento de modelos fundacionales humanos.

Descubre cómo los datos sintéticos centrados en el humano están revolucionando el desarrollo de la IA. Exploraremos por qué las fuentes de datos tradicionales a menudo se quedan cortas debido a preocupaciones de privacidad, sesgos y escasez. Aprende cómo la generación de datos sintéticos de alta calidad y que preservan la privacidad permite un entrenamiento de IA robusto, acelera la innovación y minimiza los riesgos éticos. Esta sesión iluminará las aplicaciones prácticas y el inmenso potencial de los datos sintéticos para construir sistemas de IA más equitativos y efectivos hoy mismo.

www.vallhebron.com | @ivanvollmert

Ivan Vollmer es licenciado en Medicina y Cirugía por la Universidad de Barcelona (UB) (1993-1999), especialista en Radiodiagnóstico (2000-2004) y Doctorado en Medicina (2023) por la UB. Actualmente es Jefe de Sección de Radiología Torácica en el Hospital Vall d’Hebron e investigador en imagen torácica en el VHIR. Tiene una amplia experiencia, de más de 20 años, en asistencia, docencia e investigación en Radiología Torácica. Anteriormente fue adjunto de Radiología y coordinador adjunto de la Unidad Funcional de Cáncer de Pulmón en el Hospital del Mar (2004-2014) y Consultor de Radiología y tutor de residentes en el Hospital Clínic (2015-2024).

eurecat.org | @Eurecat_news | Instagram

La Dra. Carolina Migliorelli Falcone es responsable de la línea de investigación en Trustworthy Artificial Intelligence for Healthcare dentro de la Unidad de Salud Digital de Eurecat. Su trayectoria investigadora comenzó con una tesis doctoral en el Centro de Investigación en Ingeniería Biomédica (CREB – UPC), seguida de una etapa postdoctoral vinculada al Centro de Investigación Biomédica en Red (CIBER-BBN).

Su trabajo se centra en el desarrollo de sistemas de inteligencia artificial aplicados a la salud, con especial atención a los aspectos de confianza, explicabilidad y seguridad. Lidera proyectos orientados a crear algoritmos avanzados de aprendizaje automático que apoyen la toma de decisiones clínicas, faciliten la clasificación y estratificación de pacientes, y promuevan intervenciones personalizadas basadas en datos. También trabaja en soluciones que permiten a las personas gestionar su salud y mejorar su estilo de vida mediante tecnologías digitales fiables y adaptadas.

Cuenta con amplia experiencia en el procesamiento y análisis de datos biomédicos y en la integración de datos clínicos en entornos complejos. Es doctora en Ingeniería Biomédica (UPC), Máster en Ingeniería Biomédica (UB-UPC) e Ingeniera Técnica de Telecomunicaciones con especialidad en Sistemas Electrónicos (UPC).

El desarrollo de modelos de IA para el diagnóstico de cáncer de pulmón requiere bases de datos de TC amplias, con anotaciones cuidadosas de los nódulos (localización, tamaño, morfología) e información clínica asociada. Su obtención es lenta, costosa y limitada por la sensibilidad de los datos y el desequilibrio entre casos benignos y malignos, lo que reduce la robustez de los clasificadores. Las imágenes sintéticas generadas con IA ofrecen una solución para ampliar y equilibrar cohortes y entrenar modelos más sólidos. La ponencia mostrará el proceso de generación, su relevancia clínica y la necesidad de una rigurosa validación experta.