Esther Ibáñez: “Compartir dades a gran escala pot ajudar en la detecció de malalties”

A l’abril, l’Esther Ibáñez es va incorporar a l’equip de personal docent investigador dels Estudis d’Informàtica, Multimèdia i Telecomunicació de la UOC. La seva trajectòria és un híbrid entre les matemàtiques, la ciència de dades i la biologia. És doctora en Matemàtica Aplicada en Biologia Computacional i Matemàtica, i Màster en Enginyeria Matemàtica, especialitat en Modelització de Ciències Biomèdiques, ambdues a la UPC, on també es va llicenciar en Matemàtiques. 

La seva recerca se centra en dues grans àrees: utilitzar eines matemàtiques per desvetllar la informació oculta de les dades —especialment les biològiques— i comprovar fins a quin punt els models simples basats en xarxes i sistemes dinàmics poden reproduir moltes de les característiques que apareixen a les dades biològiques reals. Ja havia treballat com a professora assistent a la UOC entre 2000 i 2023. El 2013 va ser guardonada amb el premi Évariste Galois de la Societat Catalana de Matemàtiques pel seu projecte de màster “Expectation Maximization for phylogenetic trees”.

Com afrontes la teva nova etapa com a professora a la UOC?

Amb molta il·lusió i amb ganes de millorar el que hi ha fet, i de tornar a fer recerca. Cal dir que just ara és un moment interessant i complicat en tot el sistema d’avaluació i d’ensenyament en general, donat l’ús de les noves eines d’intel·ligència artificial (IA). Pel que s’han de replantejar moltes coses, com per exemple, el sistema d’avaluació. Això, de la mateixa forma que genera molta feina, també és un repte.

Quin és el contingut de les assignatures que imparteixes i quines sortides professionals tenen?

Algunes assignatures són d’estadística, com per exemple estadística matemàtica i probabilitat. Altres, d’anàlisi de xarxes i grafs, en l’àmbit teòric i pràctic. I d’altres estan relacionades amb la IA. La majoria d’assignatures pertanyen al grau online de Ciència de Dades Aplicada / Applied Data Science o al grau online d’Enginyeria Informàtica, per tant, les sortides professionals són d’analista de dades. La interacció amb els mateixos col·laboradors de l’equip ha estat molt bona, estic amb gent molt motivada. Encara que han estat pocs mesos abans de la meva baixa de maternitat, ja he pogut contribuir que hi hagi canvis a les assignatures, ja que algunes es poden estructurar millor.

És un sector que encara no atreu moltes dones.

Encara continua sent així. No he fet un estudi dels tres mesos que porto a la UOC, però en general, també havent treballat com a data scientist a l’empresa, les dones som menys. És una situació que ja ve de molts anys, tot i que he de dir que ha anat creixent, abans no hi havia cap dona i cada cop n’hi ha més. No sé quina és la tendència ara mateix, però jo tinc esperança.

La programació s’està convertint en part d’una nova alfabetització, com a eina que tothom ha de conèixer professionalment.

Avui dia, la programació ja està introduïda a les escoles de primària, comencen des de petits a programar petits robots, amb ordres senzilles com, per exemple, fer-los moure tres quadrats cap endavant, dos a cap a la dreta, i similars. Crec que això sí que pot ajudar al fet que tothom tingui unes bases des d’una edat primerenca, que després es poden desenvolupar o no. Això sí que pot canviar la tendència anterior, que era que només aprenien a programar els estudiants que triaven informàtica, matemàtiques o carreres d’enginyeria.

Hi ha professionals de més de 40 anys que no dominen aquestes eines. Es poden aprendre a aquestes edats?

Jo crec que sí. Òbviament, és qüestió de tenir ganes, de posar-s’hi, de la mateixa forma que ara els nens i nenes saben usar els mòbils amb cinc anys o amb quinze ja saben programar. Jo vaig aprendre a programar un cop ja estava a la universitat. Més tenint en compte que també hi ha moltes eines de IA —que poden ser de gran ajuda— i Google o internet, que fa 20 anys no existien. Trobo que és molt més fàcil aprendre ara que fa 20 anys, per la qual cosa la gent que es vol reciclar ho pot fer.

En què consisteix l’ús d’eines matemàtiques per desvetllar dades biològiques?

La idea és aplicar algoritmes, mètodes o tècniques sobre dades biològiques/biomèdiques. Per exemple, pot ser amb escàners fMRI (Functional Magnetic Resonance Imaging), EEG (Electroencefalograma) i estudiar els resultats. És a dir, aquest tipus d’eines i algoritmes ens poden ajudar a identificar els subjectes malalts dels sans, o el grau de la malaltia. Això no vol dir que si usem aquest tipus d’eines sempre tinguin una solució al problema inicial, però és una eina més per afrontar el problema; per exemple, en la detecció de malalties neurodegeneratives.

Pots explicar els aspectes més destacats de la teva trajectòria?

Es pot dir que és un CV híbrid, ja que he estat en recerca molt de temps, però també en empresa, i pel que fa a recerca he fet moltes coses aplicades i he treballat amb dades reals. El fet de veure “els dos mons”, recerca i empresa, crec que és molt enriquidor, ja que són formes de treballar una mica diferents i crec que es complementen bé. Crec que hauria d’haver-hi més interacció entre la universitat i l’empresa, ja que s’aporten molt mútuament.

La ciència de dades és una de les professions més demandades de cara al futur. Com ens fan avançar en el camp de la neurociència i la biologia?

L’existència i la recopilació de dades amb el desenvolupament de les noves tecnologies ens permet tenir material per aplicar tècniques de ML (Machine Learning), IA o, simplement, fer estadístiques més senzilles que poden desvetllar informació que d’una altra forma seria impossible. Per exemple, un neuròleg pot veure 100 pacients i potser no pot fer certes relacions perquè no ha vist prou casos de certes malalties. Si, en canvi, tenim una base amb dades de 10.000 pacients i podem aplicar certs algoritmes, potser podem detectar i classificar els pacients segons malalties, o identificar una característica particular de certa malaltia que pot ajudar a entendre el funcionament d’aquesta malaltia, o bé com enfocar la seva cura.

El fet que hi hagi un sistema d’internet més globalitzat, que tothom pugui compartir dades, ja et dona l’opció de poder fer coses a gran escala i, per tant, avançar en detecció de malalties. També hi ha el problema de la neteja de dades perquè n’hi ha moltes, però no totes són de bona qualitat, i això ens posiciona en un altre camp de processament de dades, la neteja de dades, i quantificar si són vàlides o no.

La IA és part del teu àmbit docent. Es veu com un repte, però també com una oportunitat.

Jo crec que s’ha de veure com una eina, igual que quan va sortir Google. Abans ho consultaves tot en llibres i, un cop tenim Google, ja no cal. Jo crec que no s’ha de tenir por, però s’ha de tenir un cert control, s’ha d’educar sobre com usar aquestes tecnologies, igual que s’ha d’educar els nens de com usar el mòbil o com usar internet. És una eina que és molt útil i pot estalviar molt de temps, però cal també una formació. A certes professions sembla que espanti, però jo crec que no els hi prendrà la feina, sinó que aquestes professions poden fer servir aquestes eines per fer la seva feina més eficient. No sempre diuen la veritat, per tant, és la persona qui ha de supervisar.