De la neurociencia a la banca
El Trastorno Obsesivo Compulsivo es una condición neurológica que lleva a quien lo padece a estar dominado por la ansiedad y desarrollar pensamientos involuntarios de los que no se puede desprender. Investigadores de la Universidad Carlos III están aplicando técnicas de inteligencia artificial para detectar qué partes del cerebro se ven afectadas al sufrir esta dolencia. Emilio Parrado, científico de datos de BBVA, fue uno de los investigadores que participó en el proyecto y explica cómo el ‘machine learning’ puede aportar grandes avances en cualquier actividad, incluidas las finanzas.
Emilio Parrado explica que el TOC (acrónimo de este trastorno) se trata de un trastorno que sufre aproximadamente un 3% de la población, y que condiciona la vida de quienes lo padecen hasta llegar a extremos como no querer salir de casa. Él es ingeniero de Telecomunicación, con veinte años de experiencia de investigación en ‘machine learning’ o aprendizaje automático de las máquinas. Su carrera no tiene nada que ver con la medicina, pero mientras trabajaba como profesor en la Universidad Carlos III tuvo la oportunidad de participar en una investigación sobre este trastorno, junto a un consorcio de hospitales de Barcelona, que le acercó al mundo de la neurociencia.
“Este estudio nunca tuvo las pretensiones de convertirse en un nuevo y revolucionario método para diagnosticar el TOC, sino que la base se centraba en ampliar los conocimientos que se tienen a día de hoy sobre la enfermedad”, explica Parrado. El proyecto se apoyaba en estudios previos que sugerían la existencia de diferencias estructurales en determinadas regiones del cerebro de los pacientes de TOC. Partiendo de esta hipótesis, decidieron aplicar tecnologías de reconocimiento de imágenes e inteligencia artificial para analizar los escáneres recogidos mediante resonancia magnética de 172 pacientes.
Gracias al empleo de técnicas de aprendizaje automático y un algoritmo especialmente desarrollado para este proyecto, consiguieron aislar la información relevante para el estudio e identificar las distintas áreas cerebrales que se veían afectadas por la enfermedad. Los escáneres analizados mostraron que efectivamente existían diferencias significativas que aparecían como “huecos en blanco” en aquellos pacientes que sufrían la enfermedad.
El resultado fundamental del estudio fue la identificación de 55 regiones cerebrales que podrían estar relacionadas con el TOC. De hecho, si el diagnóstico se centra sólo en estas regiones en lugar de en escáneres completos, los errores de clasificación se reducen en un 30%. En palabras de Parrado, “el proyecto no consistía en diagnosticar ni encontrar una solución definitiva”, sin embargo los resultados obtenidos sí han podido ser utilizados en estudios clínicos posteriormente.
Las conclusiones obtenidas permitieron aportar más precisión a la hora de identificar las zonas relacionadas con el TOC. De esta forma se abrió una puerta a futuras líneas de investigación con las que se quieren identificar tratamientos más específicos y adaptados a los distintos tipos de pacientes según las zonas cerebrales más afectadas por el trastorno.
El salto a la empresa
Desde hace cuatro años, Parrado ha cambiado la investigación en la universidad por las finanzas, donde también encuentra “desafíos importantes y apasionantes” que ponen a prueba su curiosidad científica. En BBVA, está aplicando sus conocimientos en inteligencia artificial y ‘machine learning’ para mejorar las estrategias de ‘trading’ algorítmico en mercados de valores.
En cuanto a las posibles similitudes entre el proyecto de neurociencia y su día a día en el banco a priori podría parecer que no existen, sin embargo para Parrado “en el fondo se trata de explotar datos y dar respuestas a preguntas que se pueden plantear en cualquier tipo de ámbito”.
Juan José Tébar, responsable de analítica avanzada en el área de Banking de BBVA y quien trabaja de cerca con Parrado, sostiene que esta es la razón por la que el banco necesita perfiles científicos “porque tienen precisamente la capacidad de responder con grandes volúmenes de datos a las preguntas que nos plantean nuestros clientes y las áreas de negocio”.
En este sentido, Tebar resalta que, además de tener unas capacidades muy específicas en estadísticas, matemáticas, ‘machine learning’, lenguaje natural...etc. y una formación en programación y en base de datos, es esencial que los científicos de datos conozcan bien el negocio y sepan comunicar los resultados de manera fácil para que negocio entienda lo que le está transmitiendo la analítica.
“Estos son los elementos esenciales que hacen que un proyecto de analítica de datos tenga éxito o fracase”, concluye.