IBM España ha organizado, junto a Terminus7, el hackaton #AI4Good en el que más de 50 expertos (ingenieros, matemáticos…) se han reunido para diseñar modelos de machine learning y deep learning a partir de datos poblacionales reales en solo unas pocas horas. El objetivo, poder usar sus creaciones en la comunidad médica. Estos desarrollos se han llevado a cabo a través de dos retos: en primer lugar, predecir sujetos que tuvieran diabetes; en segundo lugar (más avanzado), partiendo de imágenes de mamografías, desarrollar una solución capaz de indicar en qué imágenes se detectaran anomalías.
[Le puede interesar: El cáncer de mama, desde la cámara de Manu Brabo]
El hackaton, realizado en Madrid el pasado fin de semana, ha donado todo lo recaudado –“mediante las inscripciones y las camisetas”, aclaran– a las oenegés Diabetes Madrid y Geicam – Investigación en Cáncer de Mama. Y es que, como afirman desde IBM España, “no hay una descripción de proyectos como tal”. Explican que “en cada categoría ganó el proyecto que fue mejor evaluado según los criterios tipo Kaggle basados, a grandes rasgos, en la precisión del modelo, la velocidad de predicción y la originalidad de la técnica”.
De todos modos, según Elisa Martín Garijo, directora de Innovación de IBM España y miembro del jurado, “aunque el proceso definido era muy automático, la selección de los ganadores fue difícil porque el nivel de los participantes fue muy alto y varios equipos obtuvieron resultados muy similares. Esto muestra la buena cualificación de los participantes”. Al final la forma en que aproximaron la limpieza de los datos y la originalidad de cómo se diseñaron los modelos, fueron los puntos diferenciales para la elección final de los “ganadores”, tres por reto.
Debido a la gran carga computacional se ha utilizado la plataforma IBM Power. Al estar organizado por el gigante tecnológico, también se ha instalado el Sistema Operativo RedHat 7.5 con el Software PowerAI. Asimismo, por encima de este software se han incluido herramientas de la compañía para facilitar la gestión del clúster y ampliar sus capacidades como el IBM LSF y el IBM Spectrum Scale que es un sistema de almacenamiento compartido.
