El objetivo general de esta estancia es actualizar y mejorar el conocimiento del candidato en el área de investigación del diagnóstico de citologías cervicovaginales gracias al conocimiento del grupo receptor en áreas como el aprendizaje multitarea, un enfoque de aprendizaje máquina donde el candidato ya trabajó en su tesis y que quiere mejorar su conocimiento en esta área para aplicarlo al diagnóstico del cáncer de cérvix. Este enfoque permitirá dividir el problema en distintas subtareas relacionadas entre sí con el fin de mejorar el aprendizaje de la tarea principal, que en nuestro caso es la detección precoz de células cancerígenas.

Además, junto a este enfoque multitarea se abordarán problemas como la interpretabilidad del diagnóstico o el aumento de imágenes de forma sintética mediante las redes generativas adversarias o técnicas de difusión, que nos permita mejorar el diagnóstico y solventar el problema de la escasez de datos etiquetados. Líneas en donde el grupo receptor está trabajando actualmente en una tesis doctoral en la que el candidato podría colaborar.

El candidato tiene amplia experiencia investigadora en el diagnóstico del cáncer de cérvix, habiendo dirigido una tesis, y actualmente dirige otra en desarrollo con la misma temática, además de disponer de congresos y artículos JCR sobre el diagnóstico del cáncer de cérvix desde distintos puntos de vista. Con la estancia se busca dar interpretabilidad al diagnóstico y enfocarlo desde un punto de vista novedoso, como es mediante un enfoque multitarea. Desde un punto de vista más formal, podemos decir que en esta estancia se pretende desarrollar un sistema basado en técnicas de Deep learning que permita crear un diagnóstico interpretable para citologías cervicovaginales basándonos en el aprendizaje multitarea.

Las nuevas competencias que podría adquirir el candidato con la estancia serían fundamentales para poder fusionar tanto la interpretabilidad del diagnóstico, obtención de imágenes procedentes de citologías consensuadas con patólogos expertos para la identificación del cáncer en las fases iniciales, combinándolo con el aprendizaje multitarea que aportaría mayor fiabilidad y rapidez al diagnóstico. Aunque el grupo receptor, vendría a través del departamento de informática de la Universidad de Manchester, la red formada por este departamento (Aprendizaje Multitarea y Deep Learning), facultad de medicina (diagnóstico a través de la imagen, Universidad de Manchester) y centro de investigación del cáncer (obtención de muestras y diagnóstico por patólogos expertos, Universidad de Manchester), forma un grupo bastante consolidado y con proyectos comunes, que permitirán colaborar y crear futuras colaboraciones enfocado en el objetivo investigador de esta estancia.