¿Cómo surgió su interés por la Visualización de la Información?
En la década del 80 me dediqué a perfeccionarme en computación porque no había en ese momento muchas carreras de informática en el país. Me interesó mucho la Inteligencia Artificial, que fue el tema elegido para mi doctorado. Pero mi oportunidad de crecimiento académico se dio más en el área de Computación Gráfica.

De hecho nuestro grupo de investigación en la Universidad Nacional del Sur (UNS) fue pionero en Argentina en ese tema. Me di cuenta que la computación gráfica y el procesamiento de imágenes podían servir para explorar fenómenos que hasta ese momento no eran visibles directamente, de la misma manera que en su época el telescopio o el microscopio permitieron una revolución científica. Entendí a la computadora como un “microscopio de lo abstracto”, de lo matemático. Este concepto nos llevó a abrir una de nuestras principales líneas de investigación: Sistemas dinámicos complejos y caóticos.

¿En qué medida se relaciona el conocimiento obtenido en Visualización con la Minería de Datos?
Si bien uno podría decir que la Visualización de la Información como área de las Ciencias de la Computación tiene unos 30 años, es cierto que en sus comienzos estaba más orientada a lo que se conoce como Visualización Científica: uso de la herramienta visual para la representación de datos abstractos y genéricos.

En paralelo, comenzó a surgir la Ciencia de los Datos. Para la primera década de este milenio empezó a entenderse que había un valor muy interesante en los datos y surgen los puentes entre las herramientas disponibles y los conceptos desarrollados. Porque el tema de la visualización de datos implica algo que en su momento la visualización científica no se había planteado: contar con estructuras de información que no tienen un marco ontológico claro. Los datos provienen de fuentes muy diversas y uno de los desafíos más importantes que surge es cómo hacer para manejar ese conjunto de información tan variable y tan heterogénea. Hay grupos de investigadores que realizan visualización del transporte, visualización de las transacciones económicas o visualización de los accesos de bots a sitios de Internet para prevenir ataques informáticos, entre muchos otros temas.

Evidentemente el hecho de que no haya un marco ontológico claro ha obligado a desarrollar sistemas con una capacidad muy grande, que hace un tiempo eran impensables. Desde los “Mapas de Calor” utilizados en Google Images hasta los analíticos visuales que se están utilizando hoy en el mundo profesional como Tableau o D3, son herramientas que tienen una flexibilidad muy grande a la hora de generar interfaces para un conjunto de datos.

Hablemos de los principales proyectos relacionados con Data Mining en los que está trabajando…
El primer proyecto es la Visualización de árboles de decisión y Data Mining, que surge a partir del trabajo de tesis de Luciana Padua, alumna de la Maestría. El problema que ella consideró es cómo podía representarse visualmente la toma de decisiones en análisis de datos usando árboles de decisión, dado que el “espacio” de posibles soluciones es enorme. Y una solución, un árbol de decisión, no es en sí un objeto visualmente representable.

Para entender mejor el problema supongamos que un cliente va a un banco a solicitar un crédito, entonces nos preguntamos cuál es el protocolo que sigue el banco en función de la historia crediticia de esa persona para tomar la decisión del producto financiero que se le va a ofrecer. Una forma de resolver este tipo de problemas es el “árbol de decisión”, ya que posibilita tener una estructura de información que permita identificar cuál sería el dato más informativo a recabar de parte de un cliente potencial, de manera tal que primero lo ubique en un grupo de casos de acuerdo a una primera pregunta sobre su ingreso mensual. Luego, habrá una segunda pregunta más informativa, hasta arribar a la decisión final.

La idea de Luciana fue generar una herramienta visual que sea lo suficientemente intuitiva como para que un analista de datos de una compañía la pueda utilizar y que lo vaya guiando visualmente para encontrar rápidamente cuál podría llegar a ser un caso típico de árbol de decisión que permita optimizar las condiciones, minimizando la cantidad de preguntas que deben hacerse al cliente.

Un segundo proyecto es la Visualización de sistemas dinámicos caóticos 3D. El tema se relaciona con la teoría del caos, que se dedica principalmente al estudio matemático del comportamiento promedio a largo plazo de los sistemas dinámicos no lineales. Una de las ideas es visualizar el espacio de fases y ver cómo es la estabilidad estructural del sistema en sus diferentes condiciones. Luego se realizan visualizaciones combinadas que muestren trayectorias típicas y cómo es el comportamiento del sistema a largo plazo en función de los parámetros observados. Dado que tenemos una formación importante en ingeniería electrónica, nosotros estuvimos trabajando con osciladores no lineales, viendo en qué punto un oscilador se puede modular y obteniendo una modulación que tenga cierta linealidad con amplitud de la oscilación, por ejemplo en frecuencia modulada, en el oscilador de Colpitts, etc. Eso es imposible de ver con un abordaje puramente matemático. Una de las cosas más importantes que tiene la teoría del caos y la visualización es que son abstractas. Esto mismo que se aplica a ondas electromagnéticas se puede aplicar a ecología de poblaciones, al clima o a la economía.

Por último, el tercer proyecto destacado es la Visualización y análisis de imágenes médicas 3D. Trabajamos con imágenes de diferentes modalidades: radiografías, tomografías y resonancias magnéticas. Cada una de esas modalidades genera imágenes que sirven de auxilio y, a veces, como única fuente para el diagnóstico. Pero todas esas imágenes tienen propiedades que hacen que extraer la información valiosa para el radiólogo o el especialista sea difícil por diferentes razones.

Estamos trabajando con tomografías 3D para monitoreo en huesos, en la detección temprana y monitoreo de la evolución de la osteoporosis, que es un problema importante mundialmente. El programa de trabajo consiste en ver si es posible someter al paciente a radiaciones bajas, evitando cualquier riesgo, obteniendo imágenes de mala calidad pero pese a eso útiles para distinguir si ha habido descalcificación. Para hacer más eficiente el proceso, estamos trabajando con vértebras ex vivo, de cadáveres, que son sometidas a tratamientos específicos para que su captura sea idéntica a la de una persona viva. Para esas vértebras estamos trabajando con imágenes de alta radiación que nos permiten ver a través del hueso con mucha calidad y ver si es posible hacer algún tipo de correlación con las imágenes de baja radiación. No descarto que en algún momento utilicemos también Deep Learning, probablemente viendo la imagen de baja calidad y cotejándola con lo que aprendió el sistema con una imagen de alta calidad, para formular algún tipo de predicción.

Por otro lado, estamos investigando imágenes de microscopio para detectar problemas de fertilidad masculina. Nuestro trabajo fue doble: por un lado, hacer extracción de características en imágenes de microscopio electrónico -la forma, el tamaño, la curvatura, el enroscado, etc. Hasta el momento tenemos entre 25 y 30 parámetros de los espermatozoides. Y luego tenemos entrevistas con expertos andrólogos, llevándoles este conjunto de datos para que ellos puedan clasificar y valorar las muestras. Además, cobra importancia la parte del trabajo relacionado con la Minería de Datos: dada una imagen a la cual se le extraen 30 parámetros, se puede analizar si el espermatozoide es bueno o es malo en función de la opinión que nos dieron expertos antes. Por ese motivo se utilizan componentes principales, análisis variacional, separación de matrices. En fin, todas las técnicas que se estudian en las materias específicas de la Maestría en Data Mining.

Para este proyecto tuvimos el apoyo de CONICET. Estamos trabajando para el instituto “VITA Medicina Reproductiva” y hay una patente en trámite.

Otra modalidad que también encaramos son las mamografías. Nuestra idea es generar un software que haga un análisis masivo que pueda cotejar lo que se observa en la imagen de las mamografías con las etiquetas que le asignan los radiólogos y realice un análisis longitudinal en la historia de cada paciente. Justamente el programa Pobl.ar del CONICET está llevando a cabo este esfuerzo de tener grandes bases de datos integradas con información médica y que ese acopio de datos permita la generación de mejoras en las políticas públicas de salud y prevención.

¿Cómo ve el futuro de la visualización de grandes volúmenes de datos?
Con 30 años como docente en el campo de la informática, puedo decir que Big Data no es una moda más. Podría haber cierto oportunismo en el aire, pero la temática aborda una cuestión de fondo: existe mucho valor en el análisis de datos masivos, lo cual todavía no se termina de entrever, esto que se ha dicho que “los datos son el petróleo del siglo XXI”.

Si la visualización de datos va a tener una importancia en Big Data o no, es algo que depende de la habilidad que tengamos los científicos y los desarrolladores de productos en poder aprovechar esta ventana de oportunidad de manera adecuada.

Mi conjetura es que no va a ser ni perfecto ni pésimo, porque ya hay sistemas muy buenos que te permiten hacer analíticos visuales en tiempo real. Puedo imaginar cuando determinadas tecnologías como las interfaces naturales basadas en Kinect o el Leap Motion permitan que la interface no sea a través del teclado o el mouse sino que la persona mueva el cuerpo y eso genere una acción en la pantalla. Estoy pensando ahora en lo que se vio en la película “Minority Report”: el sujeto ingresaba a la interfaz, movía las manos y en vidrios virtuales se representaba información.

Algo de esto es inevitable y seguramente va a ir de la mano de herramientas analíticas inteligentes, que aprendan de la experiencia y tengan capacidades contextuales.