Modelado de complejidad en medicina, biología y neurociencia Autómatas celulares y modelos basados en agentes Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES Universidad Nacional, Bogotá, mayo de 2012 http://carlosreynoso.com.ar
Contexto Presentación complementaria de la sesión sobre Sistemas Complejos Adaptativos – Autómatas celulares
Aplicaciones Modelado epidemiológico Modelado de difusión espacial Herramienta auxiliar para reconocimiento de patrones – Técnicas complementarias Metaheurísticas evolucionarias Aprendizaje de máquina Redes neuronales Dimensión fractal y wavelets Modelado de desarrollo patológico
Analogía entre neoplasmas malignos y crecimiento urbano (1/2) Warren Hern, U. Colorado (2008)
Baltimore-Washington (Masek & al 2006)
Analogía entre neoplasmas malignos y crecimiento urbano (2/2) Rasgos propios de procesos de criticalidad auto-organizada http://carlosreynoso.com.ar/criticalidad-auto-organizada-y-dinamicas-complejas/ Metástasis (colonización distante) Crecimiento rápido Progresión (tasa creciente de expansión en nuevas colonias) Invariancia de escala Topofagia (devora los espacios disponibles) Falta de mecanismos antagónicos inhibitorios Apoptosis (resistencia a la extinción normal) Semejanza con muerte celular programada de Penelas
Aplicaciones Gerda de Vries et al.
Aplicaciones
Aplicaciones
Aplicaciones
Aplicaciones
Aplicaciones Efecto de mundos pequeños Propiedad de las redes regidas por leyes de potencia “6 grados de separación” Stanley Milgram y la cadena de cartas Ver presentaciones específicas sobre redes y complejidad http://carlosreynoso.com.ar/hacia-la-complejidad-por-la-via-de-las-redes/
Aplicaciones
Aplicaciones También se aplican técnicas de wavelets, redes neuronales y algoritmos de aprendizaje de máquina con lógica difusa
Aplicaciones
Referencias
Referencias Formación de patrón y crecimiento con agregación limitada por difusión (DLA)
Referencias
Referencias
Referencias
Referencias
Referencias
Recursos y casos Cap. 13 – Registración de imágenes médicas en 3D usando agentes inteligentes Cap 15 – Framework basado en vida artificial para análisis de imágenes médicas (Hamarneh y otros)
Recursos y casos Hamarneh y otros
Referencias http://www.what-is-cancer.com/papers/ca/ca0.htm
Bibliografía adicional Aniruddha Datta, Ashish Choudhary, Michael Bittner y Edward Dougherty. 2008. Modeling and control in cancer genomics. Ioannou & al, Modeling and control of complex systems (Redes booleanas probabilistas)
Modelos basados en agentes
Netlogo - AIDS
Netlogo – Disease solo
Netlogo - Tumor
Casos y herramientas http://www.casos.cs.cmu.edu/projects/biowar/
Casos y herramientas: AnyLogic http://www.xjtek.com/anylogic/demo_models/?industry=Healthcar%D0%B5
Casos y herramientas: AnyLogic http://www.xjtek.com/anylogic/demo_models/?industry=Healthcar%D0%B5
Ejercicios Modelado de vida artificial con Framsticks
Ejercicios – Vida artificial Experimentación con GenePool
¿Preguntas? http://carlosreynoso.com.ar
Referencias Emergency Department