News

The article "Exploring Temporal Features in Health Records for Frailty Detection" wa presented at the conference CASEIB 2024 (Congreso Anual de la Sociedad Española de Ingeniería Biomédica 2024), in Sevilla on the 13th of November. The full paper can be found in the "Libro de actas CASEIB 2024" at this link.

The publication is authored by Julia de Enciso, Matteo Leghissa, Óscar Áraque and Álvaro Carrera, and the study was supported by the AROMA / MIRATAR project, grant TED2021-132149BC42 funded by MICIU/AEI/10.13039/501100011033 and by the European Union NextGenerationEU/PRTR. The full article can be found in the in-proceedings book of CASEIB 2024.

Abstract:

The global population is rapidly aging, which poses significant challenges for healthcare systems worldwide, including increased costs and a rising demand for effective geriatric care. Addressing these challenges necessitates innovative approaches to improve the early detection and prediction of frailty among elderly individuals, aiming to alleviate healthcare burdens and enhance quality of life. This study focuses on the development of a machine learning system aimed at improving early detection and prediction of frailty among elderly populations. To achieve these results we used the FRELSA dataset, a frailty-specific dataset originated ELSA, an influential longitudinal study on aging with 9 waves of data collection and mo re than 5000 participants. The research begins by optimizing clinical data collection through feature extraction to enhance efficiency in frailty assessment. Various machine learning techniques, including Multilayer Perceptron (MLPs) and Convolutional Neural Networks (CNNs), are evaluated for their ability to predict frailty based on the identified features. Additionally, the study explores temporal dependencies within data to gain insights into the progression of frailty and to facilitate more personalized patient care approaches. A comparative analysis with existing baseline models highlights the superior performance of the proposed algorithms in the early detection and prediction of frailty. These findings contribute significantly to advancing the field and lay a foundation for future research aimed at implementing advanced clinical decision support systems in geriatric care settings.

La ETSIT ha organizado un evento de homenaje a Gregorio Fernández, profesor de la ETSIT, donde se inaugurará la exposición de máquinas físicas de Símplez y Algorítmez en el museo de la ETSIT.

El evento es el miércoles 11 de diciembre a las 13:30 en la Biblioteca de la ETSIT. Estáis todos invitados. Si queréis asistir, por favor registraros para estimar el aforo del evento: registro del evento.

Como resultado del proyecto AMOR, se ha publicado el plugin multinavegador del GSI para analizar valores morales. Es una versión aún inicial que se irá mejorando y extendiendo al español durante el proyecto.

Está accesible en: https://chromewebstore.google.com/detail/moral-analysis-gsi/djkmleadajmkilcihgneikefeomnodim?hl=en-GB

Con enorme pesar, comunicamos el fallecimiento de  nuestro compañero, el profesor Gregorio Fernández Fernández.

Gregorio Fernández nació en Jaén en 1943. Realizó sus estudios de Ingeniero de Telecomunicación (UPM, 1969), Ingénieur en Automatique (Universidad Paul Sabatier, Toulouse, 1971) y Doctor Ingeniero de Telecomunicación (UPM, 1975). Ha sido  Catedrático de Universidad en el Departamento de Ingeniería de Sistemas Telemáticos desde 1983. Ha diseñado, coordinado e impartido asignaturas de grado relacionadas con la informática y la telemática. También ha impartido cursos de postgrado sobre Informática médica, Programación lógica, Sistemas expertos, Bases de datos deductivas, Aprendizaje automático, Minería de datos y Agentes inteligentes, en diversas empresas y universidades europeas y latinoamericanas. Su actividad investigadora se desarrolla en las áreas de bioingeniería e inteligencia artificial, habiendo dirigido o participado como investigador o asesor en un gran número de proyectos de I+D y dirigido seis tesis doctorales. Es autor de siete libros, coautor de cinco, coeditor de dos y traductor de cuatro, además de ser autor o coautor de veinte capítulos de libros y artículos en revistas científicas y numerosas comunicaciones a congresos.

A lo largo de su trayectoria, ha destacado su actividad docente, con la publicación de libros en Fundamentos de Ordenadores, Lógica, habitualmente en colaboración con el profesor Fernando Sáez Vacas. Uno de los logros docentes más populares fue la invención de dos ordenadores didácticos, Simplez y Algoritmez, que ofrecían un enfoque pedagógico innovador para la comprensión de los fundamentos de los ordenadores, y ha sido libro de texto de referencia en la mayoría de escuelas de telecomunicación de España.

En el plano investigador, Gregorio ha sido pionero en la bioingeniería en que realizó su tesis doctoral, así como en la Inteligencia Artficial en España, colaborando con el profesor José Cuena, y siendo el fundador y director del Grupo de Sistemas Inteligentes de la  Universidad Politécnica de Madrid. Como investigador y docente, deja una larguísima lista de discípulos, distribuidos por universidades y empresas de España.

Decía Henry Adams, que el maestro deja una huella para la eternidad; nunca puede decir cuándo se detiene su influencia. Las enseñanzas de Gregorio siguen vivas en sus alumnos, que recuerdan cómo ha combinado el rigor académico con el sentido de humor, el buen uso del español, y la motivación para ampliar los conocimientos recibidos.

Queremos expresar en este obituario nuestra gratitud profunda a Gregorio, y  un abrazo afectuoso a su familia.

The article Contextualization of a Radical Language Detection System Through Moral Values and Emotions has been recently published in the IEEE Access journal (JCR Q2 2022, 3.9 IF). The publicacion is authored by Patricia Alonso and Oscar Araque. This work was supported by the European Union’s Horizon 2020 Research and Innovation Programme under Grant 962547.

The full paper can be found here.

Abstract:

The popularity of current communication technologies has boosted the spread of polarization and radical ideologies, which can be exploited by terrorist organizations. Building upon previous research, this work focuses on the task of automatic radicalization detection in texts using natural language processing and machine learning techniques. In this way, we investigate the effectiveness of integrating moral values through the Moral Foundations Theory (MFT). Moral values play a crucial role in identifying ideological inclinations and can have a significant impact on the radicalization detection task. Our approach distinguishes itself in the feature extraction stage, leveraging moral values, emotions, and similarity-based features that utilize word embeddings. Additionally, we thoroughly evaluate the proposed representations with three distinct datasets that model radicalization and use the SHAP method to gain relevant insight into the models’ reasoning.