jueves, 19 de marzo de 2026
O obxectivo do proxecto é buscar solucións TIC máis eficientes no estudo de trastornos do soño, unha problemática que afecta, hoxe en dÃa, a máis de catro millóns de persoas en España, segundo datos da Sociedade Española de NeuroloxÃa.
A iniciativa, coordinada polos equipos de Eduardo Mosqueira Rey e Diego Ãlvarez Estévez do CITIC no marco da convocatoria de ‘Proxectos de Xeración de Coñecemento 2023Â’, financiado polo Ministerio de Ciencia, Innovación e Universidades, a Axencia Estatal de Investigación e polo Fondo Europeo de Desenvolvemento Rexional (FEDER), está dirixida a mellorar a análise dos rexistros médicos do soño mediante o uso de diversos algoritmos de aprendizaxe automática de nova xeración, baseados en mecanismos de auto-atención , a colaboración de expertos humanos no proceso de aprendizaxe e a inclusión da computación cuántica. A través destes, segundo explica Mosqueira, “preténdese desenvolver solucións máis eficientes e explicables para o diagnóstico de trastornos do soño”.
A colaboración co CESGA, engade o investigador, “consiste en utilizar o modelo cuántico de predición de series temporais desenvolvido polo CESGA, adaptalo para o tipo de sinais que usamos nós na medicina do soño, e adecualo debidamente para realizar tarefas de clasificación de fases do soño e detección de diferentes eventos de relevancia para o diagnóstico. O modelo adaptado utilizarÃase con datos reais da medicina do soño dos que dispoñemos e probarÃase tanto nos simuladores cuánticos como no computador cuántico real que están instalados no CESGA”.
Acelerar o diagnóstico para unha maior eficiencia clÃnica
Os trastornos do soño afectan a gran parte da poboación. Segundo a estatÃstica que manexa a Sociedade Española de NeuroloxÃa, máis de catro millóns de persoas no noso paÃs, e máis en detalle, o 48% da poboación adulta e o 25% da infantil, non ten un soño de calidade. Os procedementos de diagnóstico asociados á revisión manual da proba polisomnográfica estándar (PSG) son complexos e custosos, o que fai que os centros clÃnicos ter dificultades para satisfacer a crecente demanda destes exames.
A análise de PSG asistido por computadora ofrece claras vantaxes en termos de importantes aforros de tempo e custos xerais asociados ao diagnóstico. Con todo, as solucións propostas ata o de agora limÃtanse a realizacións parciais, ad hoc e presentan problemas de xeneralización. As técnicas de intelixencia artificial de aprendizaxe profunda de primeira xeración como redes convolucionais (CNNs) ou recorrentes (RNNs) son apropiadas para a detección e clasificación dun só obxecto (por exemplo, imaxes), pero non son óptimos nas situacións máis complexas que requiren a identificación de múltiples obxectos individuais. Ademais, compórtanse como “caixas negras”, o que repercute negativamente na súa aceptabilidade por parte do clÃnico, impedindo un aproveitamento responsable das súas decisións.
Neste escenario, o proxecto NEXT-GEN-SOMNUS do CITIC da UDC persegue investigar a aplicabilidade das técnicas de aprendizaxe automática de próxima xeración ao problema da análise de rexistros médicos de soño que superen as limitacións dos modelos de primeira xeración. Por iso, tal e como expón Mosqueira Rey: propoñen mellorar a eficiencia dos algoritmos expondo a integración de mecanismos novos de auto-atención para tratar de obter mellores resultados na detección e clasificación de eventos. Doutra banda , incluÃr técnicas human-in-the-loop para tentar incluÃr coñecemento experto humano nos devanditos algoritmos, que permitan mellorar tanto o seu rendemento como as súas capacidades de explicabilidad . E, ademais, incluÃr tarefas de aprendizaxe automática-cuántica facendo uso de procesos como a superposición, a interferencia e o entrelazamiento que permitan levar aos algoritmos de aprendizaxe automática a outro nivel e maximizar asà as vantaxes destas ferramentas TIC para o diagnóstico, estudo e seguimento clÃnico posterior dos trastornos do soño”.
Sobre o CITIC
O CITIC é un centro de investigación que potencia o avance e a excelencia en I +D+i aplicada ás TIC, creado en 2008 pola Universidade da Coruña. A actividade cientÃfica do centro estrutúrase en catro áreas de investigación principais: Intelixencia artificial; Ciencia e EnxeñerÃa de Datos; Computación de Altas Prestacións; e Servizos e Redes Intelixentes, e unha área de investigación transversal a todas elas: a de Ciberseguridade.
O CITIC está acreditado como Centro Excelente e membro da Rede CIGUS para o perÃodo 2024-2027. A acreditación, estruturación e mellora do CITIC está cofinanciada pola Xunta de Galicia e nun 60% pola Unión Europea no marco do Programa Operativo FEDER Galicia 2021-2027, co obxectivo temático de promover “unha Europa máis intelixente: transformación económica innovadora”.
Publicada en 1603, a traxedia do prÃncipe de Dinamarca pisa agora o escenario do Centro Dramático Galego cunha versión que sitúa no presente os seus conflitos e as tensións da coñecida trama: Hamlet enfróntase á morte do pai, ao precipitado matrimonio da súa nai co seu tÃo e á aparición dun fantasma que lle esixe vinganza, nunha historia marcada pola traizón, o remorso e a procura de certezas nun mundo moralmente corrompido. Nesta nova montaxe constrúese ao longo de 130 minutos unha peza viva, accesible e tamén divertida, sen renunciar á profundidade do texto orixinal. A intención é ofrecer un espectáculo no que o público galego poida verse reflectido dalgún xeito, recoñecendo cuestións, contradicións e dilemas que tamén forman parte da nosa época.
A Real Academia Galega de Ciencias elixiu á oceanógrafa Aida Fernández RÃos (Vigo, 1947 - Moaña, 2015) como 'CientÃfica Galega do Ano'. Foi unha investigadora de referencia internacional no estudo dos océanos, labor que exerceu desde o Instituto de Investigacións Mariñas de Vigo, pertencente ao CSIC. O investigador do Instituto José LuÃs Garrido, quen, ademais de traballar durante tres décadas con Aida Fernández RÃos mantivo con ela unha relación moi estreita, destaca o que el chama 'o efecto Aida': 'Tiña un carisma extraordinario e un encanto persoal tremendo'.
