El potencial de la Inteligencia Artificial en el ámbito biosanitario no solo reside en aumentar la precisión predictiva de los modelos, sino en su capacidad para actuar como un aliado estratégico del personal clínico e investigador. Con el objetivo de profundizar en cómo las herramientas algorítmicas pueden impulsar el descubrimiento de conocimiento científico a través de una interacción fluida con los expertos, se ha anunciado la convocatoria de trabajos para la Sesión Especial “Knowledge Discovery and Human-AI Collaboration in Biomedical Data Science”, que se celebrará en el marco del congreso internacional ESANN 2027.
La sesión está organizada por los investigadores Ignacio Díaz-Blanco y Jose M. Enguita-González, pertenecientes a la Universidad de Oviedo.
Un enfoque centrado en la sinergia entre expertos e IA El eje central de esta sesión especial se enfoca en el desarrollo y aplicación de métodos de machine learning, redes neuronales, inteligencia computacional y minería de datos para la extracción de conocimiento a partir de datos biomédicos complejos. La propuesta pone un énfasis particular en aquellos enfoques que fomentan una colaboración efectiva entre los sistemas de IA y los especialistas del dominio sanitario (Human-AI Collaboration).
Se solicitan contribuciones que aborden el tratamiento de datos biosanitarios procedentes de diversas fuentes, tales como historias clínicas electrónicas, imagen médica, señales fisiológicas, genómica, epigenómica y datos multi-ómicos.
Líneas temáticas de interés: Entre los temas de investigación incluidos en la convocatoria se encuentran, entre otros:
-
Colaboración Humano-IA y orientación experta: Modelos Human-in-the-loop, analítica visual e interacción persona-máquina.
-
IA Explicable y Confiable (XAI & Trustworthy AI): Generación de hipótesis asistida por IA y extracción de conocimiento interpretable para la práctica clínica.
-
Medicina de precisión y biomarcadores: Descubrimiento de biomarcadores e integración de datos multi-ómicos.
-
Arquitecturas avanzadas: Modelos fundacionales para la salud (Foundation Models) y Redes Neuronales en Grafos (GNNs) en biomedicina.
-
Aprendizaje seguro y complejo: Aprendizaje multimodal, federado, causal y con preservación de la privacidad de los datos del paciente.
Información para autores y envíos: Se invita a investigadores, grupos de trabajo y estudiantes de doctorado o posgrado a enviar sus artículos científicos. Toda las pautas detalladas sobre los plazos de entrega, el formato de los manuscritos y las instrucciones de envío se irán actualizando a través de la plataforma oficial del evento.
Para consultar más detalles sobre esta sesión especial y acceder a la convocatoria completa, puedes visitar los siguientes enlaces:
