Nace en Aljucer en 1996. En 2019 obtiene el grado Ingeniería Informática por la Universidad de Murcia. A continuación cursa el Máster Universitario en Nuevas Tecnologías en Informática en la Universidad de Murcia obteniendo el título de máster en el año 2020. Durante el año 2020 ha sido beneficiaria de dos becas de la Universidad de Murcia: la primera ha sido una Beca de Formación Práctica en el ámbito de actividades de I+D+I del Plan Propio de Fomento de la Investigación de la Universidad de Murcia que ha tenido una duración de 3 meses; y la segunda ha formado parte de la convocatoria de Ayudas de Iniciación a la Investigación para 2020, con una duración de 3 meses. Ambas se han dirigido al estudio del uso de bases de datos orientadas a grafos para investigación en epidemiología de bacterias multirresistentes. En el año 2021 obtiene una ayuda de la Fundación Séneca para realizar la tesis doctoral en la Universidad de Murcia. Posee comunicaciones en congresos nacionales e internacionales. Domina el español y tiene conocimientos de inglés.
Las infecciones nosocomiales son aquellas contraídas en los centros de atención sanitaria, y constituyen unas de las principales causas de defunciones y morbilidad en los pacientes hospitalizados. Esto ha puesto en alerta al campo médico de la epidemiología, que centra parte de sus esfuerzos en la trazabilidad y determinación de los principales factores que propician su aparición. En concreto, las infecciones producidas por bacterias multirresistentes son una de las grandes amenazas globales ya que reducen enormemente la eficacia de los antibióticos usados para tratarlas.
La hipótesis de partida para el trabajo planteado es que las técnicas de razonamiento temporal y espacial y las tecnologías basadas en grafos se pueden combinar de forma efectiva para resolver tareas epidemiológicas en el contexto clínico de la vigilancia de las infecciones bacterianas nosocomiales (incluidas las multirresistentes) dentro de entornos hospitalarios.
Los principales objetivos que se plantean partiendo de esta hipótesis son:
- Modelado espacio-temporal. En primer lugar, hay que realizar un modelado espacial de los entornos hospitalarios, incluyendo los distintos niveles sanitarios, una organización lógica (ej: servicios clínicos), una organización física (ej: pasillo, planta) y geográfica. En segundo lugar, es necesario un modelado espacio-temporal de los elementos de la historia clínica electrónica. Y, en tercer lugar, modelar los problemas epidemiológicos a resolver a partir de los protocolos del PRAN y las necesidades de los profesionales para definir un mínimo de expresividad necesaria.
- Aplicación y extensiones de las técnicas de razonamiento temporal y espacial con las tecnologías basadas en grafos para problemas específicos como la detección de brotes, en análisis de la propagación de infecciones...
- Diseño y desarrollo de herramientas que permitan a los clínicos la interpretación tanto de los resultados como del proceso de obtención de éstos mediante los objetivos 1 y 2.
Inteligencia Artificial: Fundamentos y Aplicaciones en Ciencias de la Vida e Ingeniería
AIKE (Artificial Intelligence and Knowledge Engineering)
Director: Manuel Campos Martínez
Codirector: José Manuel Juárez Herrero
Programa de Doctorado en Informática
22/10/2020
En desarrollo
Los knowledge graphs son una novedosa estructura de datos que basándose en un modelo de grafo (nodos y aristas que representan entidades y sus conexiones entre sí) se sitúan en el último escalón en la escalera de la capacidad expresiva de las estructuras de datos.
Partimos de nuestro modelo epidemiológico espacio-temporal basado en property graphs con el que representamos la distribución espacial y lógica de un hospital junto con los eventos y movimientos de sus pacientes ingresados. Nuestro objetivo es estudiar las diferencias de expresividad, funcionalidad y rendimiento en lo que se refiere a razonamiento espacial y temporal entre knowledge graphs y property graphs, y si es posible una combinación de ambas tecnologías.
2022
Representación del conocimiento epidemiológico y razonamiento espacial y temporal
15/09/2022
15/12/2022
ALEMANIA
Scientific Data Management Research Group
TIB (Biblioteca Nacional Alemana de Ciencia y Tecnología)
Grupo de investigación que centra su trabajo en la gestión y extracción de conocimiento de datos científicos heterogéneos
Se eligió el SDMRG para la estancia porque en un grupo de investigación muy potente que centra su trabajo en la gestión de datos científicos heterogéneos (en su mayoría de los campos de la biomedicina y la epidemiología) y en la extracción de conocimiento de ellos creando nuyevas relaciones y patrones. Pra ello utilizan como herramienta principl los knowledge graphs, una tecnología que facilita el análisis e integración de grandes sets de datos complejos.
Reflejo de este trabajo son sus numerosas publicaciones en revistas y congresos, además de su participación en una cantidad considerable de proyectos a nivel nacional e internacional, muchos de ellos con financiación de la Unión Europea, incluyendo el H2020.
Las técnicas de razonamiento basadas en knowledge graphs son desconocidas para el grupo de investigación de origen. Aún asi, las considera de gran importancia dado que los knowledge graphs son un campo de investigación de la inteligencia artificial que está cobrando protagonismo en la última década debido a que suponen la unión entre la representación de datos entendible por "las máquinas" y la entendible por los humanos.
Los knowledge graphs proporcionan una representación formal del significado de las entidades y sus relaciones y propiedades sobre la cual es posible aplicar procesos de inferencia para deducir nuevos hechos. Además, pueden usarse como un marco común con el que integrar grandes conjuntos de datos provenientes de distintas fuentes (bases de datos relacionales, ficheros JSON, CSV, etc.).
Como se ha comentado en la sección anterior, la tecnología de los knowledge graph está aún por explotar y profundizar, por lo que es un campo del que se pueden originar nuevas líneas de investigación de interés.
Ambos grupos de investigación ya trabajaban conjuntamente en un proyecto internacional antes de la estancia. Pero gracias a la realización de ésta, se ha podido crear un lazo más estrecho entre ambos ya que se ha puesto en común los objetivos de ambos equipos y ya se han empezado a plantear líneas de investigación en común.
Hannover es una de las grandes ciudades históricas de Alemania. Ejemplo de ello es su centro, el cual combina numerosos monumentos históricos (palacios, iglesias, jardines, plazas) situados tanto en grandes avenidas como en estrechos callejones con casas típicas alemanas, junto con otros más innvadores como es su central térmica de gas natural.
Hannover cuenta con un gran sistema de transporte público que combina líneas de tranvía, metro y autobús que recorren toda la ciudad en cortos intervalos de tiempo, además de una amplia red de carriles bicis sobre las aceras (así que cuidado viandantes, hay que tener mil ojos para no ser atropellados) que no han quitado ni una sola plaza de aparcamiento para coches.
Aun así, Hannover es una ciudad muy bonita para descubir de día. De noche, no. La iluminación es pobre, casi nula. Las farolas son escasas (en parques y jardines no hay, o están apagadas) y la tenue luz amarilla que proporcionan apenas llega al suelo.
Y, hablando de cosas pobres, no puedo dejar pasar la alimentación. No me explayaré, pero si eres fan de la comida mediterránea y de comer futas y verduras frescas y de calidad, este no es tu sitio.
