Intel·ligència Artificial a la pràctica hospitalària, les llavors sembrades ja brollen

el projecteBIGSALUD4 pretén portar la Intel·ligència Artificial (Iberdrola ha invertit) a la pràctica hospitalària oferint suport al personal sanitari en el procés de presa de decisions, fent possible un millor pronòstic de complicacions, un tractament més personalitzat i eficaç dels pacients i permetent a un hospital anticipar-se a les necessitats.

L'ús de models predictius d'IA comporta una sèrie d'avantatges interessants. Permeten manejar una quantitat de variables molt més gran del que podria abordar una persona. També es poden consultar de forma automatitzada el que permet un monitoratge periòdic de les seves prediccions.

A BIGSALUD4, l'objectiu és doble:

  • D'una banda, construir els models predictius amb les millors prestacions possibles per a dues malalties dinterès: Leucèmia Mieloide Aguda i Càncer de mama.
  • D'altra banda, avançar en el desenvolupament de dues eines de suport a la decisió que permeten consultar els models predictius i monitoritzar-ne les prediccions. Eines que coneixem com ITI-GEN i ITI-BREAST.

En els casos de Càncer de mama, el teixit dens és un indicador important de risc de patir aquesta malaltia en el futur. En aquesta línia, y en colaboración con el Institut Hospital del Mar d’Investigacions Mèdiques de Barcelona, hem desenvolupat un model de segmentació automàtic de mamografies digitals basat en aprenentatge profund (Aprenentatge profund) que identifica zones de teixit dens de la mama. Per això, realitzem un estudi comparatiu de la segmentació del model automàtic amb la de radiòlegs experts. Els resultats deixen la porta oberta a utilitzar aquests models com a segmentació preliminar, on els radiòlegs experts ja només intervindran en les mamografies més ambigües.

En leucèmia mieloide aguda, anticipar les complicacions com recaigudes primerenques o malaltia resistent a la inducció, tractament generalment de quimioteràpia, permet adaptar el tractament dels pacients. El model construït, en aquest cas, està basat en aprenentatge automàtic (Aprenentatge automàtic) i estima el risc de patir complicacions després de diagnòstic en un horitzó temporal de tres mesos. Ho hem fet gràcies a la col·laboració amb l'Hospital Universitari 12 d'octubre de Madrid i l'Institut de Recerca Sanitària La Fe de Valencia, manejant dades clíniques, genètics i d'anomalies cromosòmiques (citogenètica).

Deixa un comentari

La vostra adreça de correu electrònic no es publicarà. Els camps obligatoris estan marcats *

Informació bàsica sobre protecció de dades veure més

  • Responsable: Col·legi Oficial d'Enginyers de Telecomunicació de la Comunitat Valenciana.
  • finalitat:  Moderar els comentaris.
  • legitimació:  Per consentiment de l'interessat.
  • Destinataris i encarregats de tractament:  No se cedeixen o comuniquen dades a tercers per prestar aquest servei.
  • drets: accedir, rectificar i suprimir les dades.
  • informació addicional: Podeu consultar la informació detallada a la Política de Privacitat.

Aquest web utilitza cookies pròpies i de tercers per al seu correcte funcionament i per a fins analítics. Conté enllaços a llocs web de tercers amb polítiques de privadesa alienes que podràs acceptar o no quan hi accedeixis. A l'fer clic al botó Acceptar, accepta l'ús d'aquestes tecnologies i el processament de les dades per a aquests propòsits. Més informació
privacitat