El presente proyecto tiene como finalidad el desarrollo de un sistema avanzado de predicción médica basado en la integración de redes neuronales de grafos y modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés). La solución propuesta busca generar predicciones precisas mediante el uso de una base de datos estructurada en forma de grafo, lo que permitirá identificar tratamientos óptimos para enfermedades específicas. Como fuente de conocimiento se utilizará NeDRex, una plataforma interactiva orientada al descubrimiento biomédico, que facilita la identificación de módulos de enfermedades y la redefinición de fármacos. Esta base de datos recoge relaciones complejas y multiescalares entre genes, proteínas, enfermedades y medicamentos, configurando un entorno idóneo para el entrenamiento de modelos de grafos enriquecidos con información contextual. La arquitectura del sistema combinará representaciones obtenidas mediante técnicas de graph embedding con información semántica extraída de modelos LLM aplicados sobre la base textual asociada. Esta fusión pretende explotar las capacidades de razonamiento simbólico y contextual de los LLM, integrándolas con la representación topológica de las redes biomédicas para fortalecer el proceso de inferencia y predicción. La validación del sistema se llevará a cabo mediante un conjunto de métricas de rendimiento y precisión, con el objetivo de evaluar su capacidad para recomendar tratamientos de forma fiable y superar los modelos predictivos actualmente existentes en el ámbito clínico. Al finalizar el desarrollo, se espera obtener una herramienta capaz de sugerir terapias farmacológicas personalizadas en función de diagnósticos concretos, abriendo la puerta a nuevas líneas de investigación y mejora continua del sistema.
El presente proyecto tiene como finalidad el desarrollo de un sistema avanzado de predicción médica basado en la integración de redes neuronales de grafos y modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés). La solución propuesta busca generar predicciones precisas mediante el uso de una base de datos estructurada en forma de grafo, lo que permitirá identificar tratamientos óptimos para enfermedades específicas. Como fuente de conocimiento se utilizará NeDRex, una plataforma interactiva orientada al descubrimiento biomédico, que facilita la identificación de módulos de enfermedades y la redefinición de fármacos. Esta base de datos recoge relaciones complejas y multiescalares entre genes, proteínas, enfermedades y medicamentos, configurando un entorno idóneo para el entrenamiento de modelos de grafos enriquecidos con información contextual. La arquitectura del sistema combinará representaciones obtenidas mediante técnicas de graph embedding con información semántica extraída de modelos LLM aplicados sobre la base textual asociada. Esta fusión pretende explotar las capacidades de razonamiento simbólico y contextual de los LLM, integrándolas con la representación topológica de las redes biomédicas para fortalecer el proceso de inferencia y predicción. La validación del sistema se llevará a cabo mediante un conjunto de métricas de rendimiento y precisión, con el objetivo de evaluar su capacidad para recomendar tratamientos de forma fiable y superar los modelos predictivos actualmente existentes en el ámbito clínico. Al finalizar el desarrollo, se espera obtener una herramienta capaz de sugerir terapias farmacológicas personalizadas en función de diagnósticos concretos, abriendo la puerta a nuevas líneas de investigación y mejora continua del sistema. Read More
Related posts:
Chimeneas renacientes: identidad y energía en barrios urbanos
Estimación de la biomasa aérea en el alcornocal ubicado en la Dehesa Boyal de 15,99 ha en Calzada de Oropesa (Toledo) mediante técnicas geoespaciales
Deep Learning aplicado a imagen médica. Segmentación imágenes de colecistectomía laparoscópica
Mejora de la clasificación de imágenes de satélite mediante el diseño y evaluación de modelos de redes de convolución con transfer learning
Creación de un modelo de predicción de ventas basado en modelos de redes neuronales recurrentes
Análisis de la variación del nivel del mar en España usando técnicas de aprendizaje automático