Aplicaciones de la inteligencia artificial en la medicina.
Desde el perceptron hasta los algoritmos que diagnostican patologías al ver tu retina y tu piel.
Este documento describe la evolución histórica de la epidemiología como ciencia. Comenzó como el estudio de plagas y epidemias a través de registros antiguos como el Papiro de Ebers. Hipócrates usó los términos "epidémico" y "endémico" para describir enfermedades. La peste negra del siglo XIV llevó a la aceptación del concepto de contagio. Fracastoro propuso formas de transmisión como contacto, fomites e inspiración. El desarrollo de estadí
La epidemiología es el estudio de la distribución y los determinantes de la salud y las enfermedades en poblaciones humanas. Tiene como objetivos identificar las causas y factores de riesgo de las enfermedades, determinar su extensión, y evaluar medidas preventivas y terapéuticas para mejorar la salud de las poblaciones. La epidemiología utiliza métodos como estudios de casos y controles para descubrir relaciones causales y desarrollar políticas de salud pública efectivas.
El documento describe los diferentes diseños de investigación epidemiológica, incluyendo estudios de casos y controles, estudios de cohortes, estudios transversales y ensayos clínicos. Explica cómo cada diseño se utiliza para diferentes propósitos como determinar la frecuencia de exposición a factores de riesgo, medir la asociación entre una enfermedad y un factor, y probar la eficacia de intervenciones. También cubre conceptos como validez, sensibilidad, especificidad y valores predictivos para evaluar pruebas médicas.
Este estudio de casos y controles encontró que un mayor índice de masa corporal y una tasa más alta de ganancia de peso se asocian con un mayor riesgo de hipertensión intracraneal idiopática. El estudio analizó el riesgo de HII en pacientes obesos y no obesos y descubrió que un aumento de peso del 5% al 15% por año también se relaciona con un mayor riesgo de HII.
El documento presenta el concepto ecológico de salud y la importancia de la salud pública y la epidemiología. Explica que la salud depende del equilibrio entre un ecosistema de factores ambientales, personales y sociales. También describe cómo la epidemiología estudia la distribución y causas de enfermedades en poblaciones para mejorar la salud pública mediante la prevención. Finalmente, resalta la necesidad de brindar acceso a servicios de salud a toda la población.
El documento describe el sistema de vigilancia epidemiológica en Chile. Explica que la vigilancia es la recolección sistemática de datos de salud para planificar, implementar y evaluar políticas de salud pública. Detalla los objetivos, actividades y elementos del sistema de vigilancia como la notificación obligatoria, análisis de datos, difusión de información y evaluación.
Este documento proporciona una introducción a las medidas utilizadas en epidemiología. Define cifras absolutas y relativas como conteos simples y relaciones entre eventos respectivamente. Explica que las tasas, razones y proporciones son tipos de cifras relativas que expresan la frecuencia de eventos en relación con otros factores como el tiempo o la población. También describe los tipos de medidas como de frecuencia, asociación e impacto potencial y ofrece ejemplos de cómo calcular la prevalencia, incidencia acumulada y tasas.
Este documento establece las directivas para la notificación de enfermedades y eventos sujetos a vigilancia epidemiológica en Perú. Define las enfermedades y eventos que requieren notificación, estandariza los formatos de notificación e instruye sobre los procedimientos de notificación. Además, describe las definiciones operativas clave y el marco legal que rige la vigilancia epidemiológica en el país. El objetivo es contribuir a la prevención y control de enfermedades mediante un sistema de vigilancia epidemiológica efectivo.
Este documento describe la evolución histórica de la epidemiología como ciencia. Comenzó como el estudio de plagas y epidemias a través de registros antiguos como el Papiro de Ebers. Hipócrates usó los términos "epidémico" y "endémico" para describir enfermedades. La peste negra del siglo XIV llevó a la aceptación del concepto de contagio. Fracastoro propuso formas de transmisión como contacto, fomites e inspiración. El desarrollo de estadí
La epidemiología es el estudio de la distribución y los determinantes de la salud y las enfermedades en poblaciones humanas. Tiene como objetivos identificar las causas y factores de riesgo de las enfermedades, determinar su extensión, y evaluar medidas preventivas y terapéuticas para mejorar la salud de las poblaciones. La epidemiología utiliza métodos como estudios de casos y controles para descubrir relaciones causales y desarrollar políticas de salud pública efectivas.
El documento describe los diferentes diseños de investigación epidemiológica, incluyendo estudios de casos y controles, estudios de cohortes, estudios transversales y ensayos clínicos. Explica cómo cada diseño se utiliza para diferentes propósitos como determinar la frecuencia de exposición a factores de riesgo, medir la asociación entre una enfermedad y un factor, y probar la eficacia de intervenciones. También cubre conceptos como validez, sensibilidad, especificidad y valores predictivos para evaluar pruebas médicas.
Este estudio de casos y controles encontró que un mayor índice de masa corporal y una tasa más alta de ganancia de peso se asocian con un mayor riesgo de hipertensión intracraneal idiopática. El estudio analizó el riesgo de HII en pacientes obesos y no obesos y descubrió que un aumento de peso del 5% al 15% por año también se relaciona con un mayor riesgo de HII.
El documento presenta el concepto ecológico de salud y la importancia de la salud pública y la epidemiología. Explica que la salud depende del equilibrio entre un ecosistema de factores ambientales, personales y sociales. También describe cómo la epidemiología estudia la distribución y causas de enfermedades en poblaciones para mejorar la salud pública mediante la prevención. Finalmente, resalta la necesidad de brindar acceso a servicios de salud a toda la población.
El documento describe el sistema de vigilancia epidemiológica en Chile. Explica que la vigilancia es la recolección sistemática de datos de salud para planificar, implementar y evaluar políticas de salud pública. Detalla los objetivos, actividades y elementos del sistema de vigilancia como la notificación obligatoria, análisis de datos, difusión de información y evaluación.
Este documento proporciona una introducción a las medidas utilizadas en epidemiología. Define cifras absolutas y relativas como conteos simples y relaciones entre eventos respectivamente. Explica que las tasas, razones y proporciones son tipos de cifras relativas que expresan la frecuencia de eventos en relación con otros factores como el tiempo o la población. También describe los tipos de medidas como de frecuencia, asociación e impacto potencial y ofrece ejemplos de cómo calcular la prevalencia, incidencia acumulada y tasas.
Este documento establece las directivas para la notificación de enfermedades y eventos sujetos a vigilancia epidemiológica en Perú. Define las enfermedades y eventos que requieren notificación, estandariza los formatos de notificación e instruye sobre los procedimientos de notificación. Además, describe las definiciones operativas clave y el marco legal que rige la vigilancia epidemiológica en el país. El objetivo es contribuir a la prevención y control de enfermedades mediante un sistema de vigilancia epidemiológica efectivo.
El documento describe diferentes métodos de epidemiología descriptiva y analítica. La epidemiología descriptiva organiza y resume información sobre casos según tiempo, lugar y persona, mientras que la epidemiología analítica busca establecer posibles relaciones causales entre factores de exposición y enfermedades mediante estudios de cohortes, casos y controles, y medidas como riesgo relativo y razón de momios. También define conceptos clave como incidencia, prevalencia, riesgo absoluto y relativo.
El documento presenta información sobre el sistema de salud en Argentina, incluyendo tres subsistemas (público, de seguridad social y privado), datos demográficos y epidemiológicos de la población, y factores económicos y organizativos del sistema. Los tres subsistemas actúan de forma separada y descoordinada, lo que dificulta la atención integral de los ciudadanos. El documento proporciona estadísticas sobre la población, tasas de mortalidad, enfermedades prevalentes, y factores de riesgo de
Este documento describe los conceptos de causalidad y la triada epidemiológica. Explica que la causalidad implica estudiar la relación entre una exposición como tomar un medicamento y los efectos secundarios. Identifica varios factores causales de enfermedades como biológicos, ambientales y económicos. Además, describe la triada epidemiológica que involucra la interacción entre un agente, huésped susceptible y ambiente para producir una enfermedad.
Presentacion vigilancia epidemiológica en salud pública Gilbert Gattegs
Este trabajo fue realizado por un grupo bajo mi coordinación en el curso de Epidemiología de la Carrera de Ingeniería en Salud Ocupacional y Ambiental de la universidad Técnica Nacional de Costa Rica.
El documento trata sobre la vigilancia epidemiológica en Colombia. Explica que la vigilancia epidemiológica es importante para detectar brotes, orientar acciones de control y prevención, e identificar factores de riesgo. Luego describe los eventos de salud que se vigilan como sarampión, rubéola, tuberculosis y VIH/SIDA. Finalmente, ofrece detalles sobre los protocolos para la vigilancia del sarampión y la rubéola, incluyendo la definición de casos y el flujo de información.
Este documento describe los métodos epidemiológicos de casos y controles. Compara grupos de personas que tienen una enfermedad (casos) con grupos que no la tienen (controles) para identificar factores de riesgo. Estos estudios son útiles para enfermedades raras o con largos períodos de latencia, y pueden generar hipótesis para futuros estudios de cohortes. Sin embargo, también son susceptibles al sesgo si no se diseñan y analizan correctamente.
Qué son las estadísticas de salud, principales usuarios de las estadísticas, unidad de observación, método de captación, variables que captan las estadísticas de salud, requerimientos de información, definiciones conceptuales, instrumentos de captación, cómo se realiza la captación de datos, procedimiento de captación y controles, cómo se realiza el procesamiento de datos, productos de las estadísticas de salud, diffusion de resultados, estadísticas institucionales.
Este documento describe la vigilancia epidemiológica hospitalaria realizada en el Hospital Roosevelt en Guatemala. Explica que la vigilancia epidemiológica implica la observación continua de la ocurrencia y distribución de enfermedades y eventos de riesgo para la salud. Detalla los propósitos, actividades, tipos de vigilancia, eventos monitoreados e informes realizados entre marzo y octubre de 2004 en el hospital, incluyendo capacitaciones, análisis de flujos de información y notificación de enfermedades.
Este documento discute conceptos epidemiológicos como brotes, corredores endémicos, y tasas de incidencia. Explica cómo usar métodos estadísticos como medidas centrales e intervalos de tiempo para comprender mejor la prevalencia de una enfermedad en una población.
1) La epidemiología estudia la distribución y determinantes de estados o eventos relacionados con la salud, como las enfermedades, en poblaciones. 2) Utiliza métodos como la vigilancia y estudios descriptivos para analizar distribuciones, y estudios analíticos para analizar factores determinantes. 3) Tiene el objetivo de aplicar estos estudios para controlar problemas de salud.
Este documento discute diferentes medidas utilizadas en epidemiología para cuantificar la salud y la enfermedad de las poblaciones. Describe medidas de frecuencia como la prevalencia y la incidencia, medidas de asociación como las razones de tasas e incidencias, y medidas de impacto como el riesgo atribuible. También cubre conceptos como morbilidad y mortalidad, y los factores que determinan qué tipo de medidas se deben utilizar para un problema de salud particular.
Este documento presenta la unidad 9 de la asignatura Salud Pública II de la Facultad de Medicina de la Universidad de Buenos Aires. La unidad se titula "Evaluación - Auditoría" y aborda conceptos como la auditoría médica, sus antecedentes, propósitos y métodos, el papel del auditor, y la evaluación de la calidad de los servicios médicos entre otros temas.
Antecedentes históricos de la Epidemiologiavioleta caso
La epidemiología estudia la distribución y determinantes de las enfermedades en poblaciones humanas. Hipócrates fue la primera persona en reconocer la relación entre las enfermedades y el medio ambiente hace 2,400 años. A lo largo de la historia, figuras como John Snow, Joseph Goldberger y otros epidemiólogos han demostrado las causas de enfermedades como el cólera, la pelagra y el dengue.
Este documento describe diferentes tipos de estudios epidemiológicos, incluyendo estudios descriptivos, analíticos y experimentales. Detalla estudios como estudios transversales, de cohortes, de casos y controles, y experimentales. Explica las ventajas y limitaciones de cada tipo de estudio para la investigación de enfermedades y factores de riesgo.
El documento describe la técnica de implantación de stents carotídeos. Incluye la evaluación angiográfica del paciente, los materiales necesarios como balones, stents y dispositivos de protección, los pasos del procedimiento como la colocación del stent y la protección distal, y los cuidados posteriores como la hospitalización y seguimiento del paciente.
Este documento trata sobre hemodiálisis. Explica los diferentes tipos de accesos vasculares para hemodiálisis, incluyendo catéteres transitorios y permanentes, y fístulas arteriovenosas autólogas y protésicas. También describe los cuidados de enfermería necesarios para cada tipo de acceso y posibles complicaciones.
El documento define la epidemiología como el estudio de la distribución y determinantes de la salud y enfermedad en poblaciones específicas y su aplicación para la prevención y control. Clasifica la epidemiología en descriptiva, que describe eventos de salud, y analítica, que explica factores que permiten su presentación. Finalmente, detalla usos de la epidemiología como establecer magnitud de problemas de salud, investigar sus determinantes, evaluar intervenciones, y ayudar en planificación, enseñanza e investigación.
El documento describe la importancia de la identificación de pacientes para reducir errores y eventos adversos. Recomienda que cada institución de salud implemente un sistema único y seguro de identificación de pacientes mediante el uso de pulseras identificadoras impresas con al menos dos datos del paciente que no incluyan el número de cama o habitación. También destaca la necesidad de capacitar al personal sobre el uso correcto de las pulseras identificadoras.
El documento describe varios temas relacionados con el uso de la inteligencia artificial en el campo de la salud. Explica que los algoritmos se entrenan mediante el análisis de grandes conjuntos de datos que incluyen imágenes médicas etiquetadas y registros clínicos. Los algoritmos aprenden a reconocer patrones que permiten identificar enfermedades y predecir resultados. Sin embargo, también señala algunos desafíos como la necesidad de contar con datos de alta calidad y asegurar la responsabilidad y transparencia en las decisiones de
El documento describe diferentes métodos de epidemiología descriptiva y analítica. La epidemiología descriptiva organiza y resume información sobre casos según tiempo, lugar y persona, mientras que la epidemiología analítica busca establecer posibles relaciones causales entre factores de exposición y enfermedades mediante estudios de cohortes, casos y controles, y medidas como riesgo relativo y razón de momios. También define conceptos clave como incidencia, prevalencia, riesgo absoluto y relativo.
El documento presenta información sobre el sistema de salud en Argentina, incluyendo tres subsistemas (público, de seguridad social y privado), datos demográficos y epidemiológicos de la población, y factores económicos y organizativos del sistema. Los tres subsistemas actúan de forma separada y descoordinada, lo que dificulta la atención integral de los ciudadanos. El documento proporciona estadísticas sobre la población, tasas de mortalidad, enfermedades prevalentes, y factores de riesgo de
Este documento describe los conceptos de causalidad y la triada epidemiológica. Explica que la causalidad implica estudiar la relación entre una exposición como tomar un medicamento y los efectos secundarios. Identifica varios factores causales de enfermedades como biológicos, ambientales y económicos. Además, describe la triada epidemiológica que involucra la interacción entre un agente, huésped susceptible y ambiente para producir una enfermedad.
Presentacion vigilancia epidemiológica en salud pública Gilbert Gattegs
Este trabajo fue realizado por un grupo bajo mi coordinación en el curso de Epidemiología de la Carrera de Ingeniería en Salud Ocupacional y Ambiental de la universidad Técnica Nacional de Costa Rica.
El documento trata sobre la vigilancia epidemiológica en Colombia. Explica que la vigilancia epidemiológica es importante para detectar brotes, orientar acciones de control y prevención, e identificar factores de riesgo. Luego describe los eventos de salud que se vigilan como sarampión, rubéola, tuberculosis y VIH/SIDA. Finalmente, ofrece detalles sobre los protocolos para la vigilancia del sarampión y la rubéola, incluyendo la definición de casos y el flujo de información.
Este documento describe los métodos epidemiológicos de casos y controles. Compara grupos de personas que tienen una enfermedad (casos) con grupos que no la tienen (controles) para identificar factores de riesgo. Estos estudios son útiles para enfermedades raras o con largos períodos de latencia, y pueden generar hipótesis para futuros estudios de cohortes. Sin embargo, también son susceptibles al sesgo si no se diseñan y analizan correctamente.
Qué son las estadísticas de salud, principales usuarios de las estadísticas, unidad de observación, método de captación, variables que captan las estadísticas de salud, requerimientos de información, definiciones conceptuales, instrumentos de captación, cómo se realiza la captación de datos, procedimiento de captación y controles, cómo se realiza el procesamiento de datos, productos de las estadísticas de salud, diffusion de resultados, estadísticas institucionales.
Este documento describe la vigilancia epidemiológica hospitalaria realizada en el Hospital Roosevelt en Guatemala. Explica que la vigilancia epidemiológica implica la observación continua de la ocurrencia y distribución de enfermedades y eventos de riesgo para la salud. Detalla los propósitos, actividades, tipos de vigilancia, eventos monitoreados e informes realizados entre marzo y octubre de 2004 en el hospital, incluyendo capacitaciones, análisis de flujos de información y notificación de enfermedades.
Este documento discute conceptos epidemiológicos como brotes, corredores endémicos, y tasas de incidencia. Explica cómo usar métodos estadísticos como medidas centrales e intervalos de tiempo para comprender mejor la prevalencia de una enfermedad en una población.
1) La epidemiología estudia la distribución y determinantes de estados o eventos relacionados con la salud, como las enfermedades, en poblaciones. 2) Utiliza métodos como la vigilancia y estudios descriptivos para analizar distribuciones, y estudios analíticos para analizar factores determinantes. 3) Tiene el objetivo de aplicar estos estudios para controlar problemas de salud.
Este documento discute diferentes medidas utilizadas en epidemiología para cuantificar la salud y la enfermedad de las poblaciones. Describe medidas de frecuencia como la prevalencia y la incidencia, medidas de asociación como las razones de tasas e incidencias, y medidas de impacto como el riesgo atribuible. También cubre conceptos como morbilidad y mortalidad, y los factores que determinan qué tipo de medidas se deben utilizar para un problema de salud particular.
Este documento presenta la unidad 9 de la asignatura Salud Pública II de la Facultad de Medicina de la Universidad de Buenos Aires. La unidad se titula "Evaluación - Auditoría" y aborda conceptos como la auditoría médica, sus antecedentes, propósitos y métodos, el papel del auditor, y la evaluación de la calidad de los servicios médicos entre otros temas.
Antecedentes históricos de la Epidemiologiavioleta caso
La epidemiología estudia la distribución y determinantes de las enfermedades en poblaciones humanas. Hipócrates fue la primera persona en reconocer la relación entre las enfermedades y el medio ambiente hace 2,400 años. A lo largo de la historia, figuras como John Snow, Joseph Goldberger y otros epidemiólogos han demostrado las causas de enfermedades como el cólera, la pelagra y el dengue.
Este documento describe diferentes tipos de estudios epidemiológicos, incluyendo estudios descriptivos, analíticos y experimentales. Detalla estudios como estudios transversales, de cohortes, de casos y controles, y experimentales. Explica las ventajas y limitaciones de cada tipo de estudio para la investigación de enfermedades y factores de riesgo.
El documento describe la técnica de implantación de stents carotídeos. Incluye la evaluación angiográfica del paciente, los materiales necesarios como balones, stents y dispositivos de protección, los pasos del procedimiento como la colocación del stent y la protección distal, y los cuidados posteriores como la hospitalización y seguimiento del paciente.
Este documento trata sobre hemodiálisis. Explica los diferentes tipos de accesos vasculares para hemodiálisis, incluyendo catéteres transitorios y permanentes, y fístulas arteriovenosas autólogas y protésicas. También describe los cuidados de enfermería necesarios para cada tipo de acceso y posibles complicaciones.
El documento define la epidemiología como el estudio de la distribución y determinantes de la salud y enfermedad en poblaciones específicas y su aplicación para la prevención y control. Clasifica la epidemiología en descriptiva, que describe eventos de salud, y analítica, que explica factores que permiten su presentación. Finalmente, detalla usos de la epidemiología como establecer magnitud de problemas de salud, investigar sus determinantes, evaluar intervenciones, y ayudar en planificación, enseñanza e investigación.
El documento describe la importancia de la identificación de pacientes para reducir errores y eventos adversos. Recomienda que cada institución de salud implemente un sistema único y seguro de identificación de pacientes mediante el uso de pulseras identificadoras impresas con al menos dos datos del paciente que no incluyan el número de cama o habitación. También destaca la necesidad de capacitar al personal sobre el uso correcto de las pulseras identificadoras.
El documento describe varios temas relacionados con el uso de la inteligencia artificial en el campo de la salud. Explica que los algoritmos se entrenan mediante el análisis de grandes conjuntos de datos que incluyen imágenes médicas etiquetadas y registros clínicos. Los algoritmos aprenden a reconocer patrones que permiten identificar enfermedades y predecir resultados. Sin embargo, también señala algunos desafíos como la necesidad de contar con datos de alta calidad y asegurar la responsabilidad y transparencia en las decisiones de
La ia y_los_retos_de_la_mineria_de_datosFlor Cuenca
El presente ensayo nos permite conocer los diversos conceptos y aplicaciones de IA y la minería de datos enfocados en este caso al área de Medicina, y podemos darnos cuenta que ambas disciplinas se han convertido en algo muy importante, tanto para la toma de decisiones como para el desarrollo de aplicaciones, que facilitan el trabajo al ser humano, de esta manera dentro del área médica se ha incrementado el número de pacientes que serán atendidos y a los cuales se les brindará una atención de primera calidad, usando las tecnologías que existen en la actualidad, a su vez ofrecer tratamientos con resultados óptimos para los mismos.
Tras una breve introducción a la informática médica y unas pinceladas sobre conceptos prácticos de Inteligencia Artificial (posible definición consensuada, strong VS weak AI y técnicas y métodos comúnmente empleados), el bloque central de la charla muestra ejemplos prácticos (en forma de casos de éxito) de distintos desarrollos llevados a cabo por el grupo de Sistemas Informáticos de Nueva Generación (SING: http//sing-group.org/) en los ámbitos de (i) Informática clínica (InNoCBR, PolyDeep), (ii) Informática para investigación clínica (PathJam, WhichGenes), (iii) bioinformática traslacional (Genómica: ALTER, Proteómica: DPD, BI, BS, Mlibrary, Mass-Up, e integración de datos ÓMICOS: PunDrugs) y (iv) Informática en salud pública (CURMIS4th). Finalmente, se comenta brevemente la importancia que se espera tenga en un futuro inmediato la IA interpretable (XAI, Explainable Artificial Intelligence) y la participación humana (HITL. Human-In-The-Loop). La charla termina con una breve reflexión sobre las lecciones aprendidas por el ponente después de más de 16 años de desarrollo de sistemas inteligentes en el ámbito de la informática médica.
Inteligencia Artificial ,Implicancia en enfermería y en el sistema de saludJosé MendozaPacheco
La Inteligencia Artificial (IA) ya es una realidad , en el cual estos programas informáticos por medio de robots, nos pueden ayudar en actividades del ser humano tanto simples hasta complejas, y el ámbito sanitario no esta exenta de ella. Enfermería puede ofrecer un trato humanizado y más personalizado en la atención al paciente puesto que puede delegar otras funciones como administrativas y de gestión a las máquinas inteligentes. Las maquinas y programas informáticos inteligentes pueden ser un soporte de vital importancia en tiempos que hay una superpoblación en los centros hospitalarios con énfasis en salas de emergencia, en que pueden participar en planes operativos de organización, de tal forma que el personal sanitario se dedique a pleno en la atención humana al paciente .
La presentación trata sobre las tendencias de investigación en salud visual, enfocándose en inteligencia artificial vs terapia génica. Se discuten avances como implantes de retina usando nanotecnología, impresión 3D de córneas, y uso de algoritmos de inteligencia artificial para predecir enfermedades oculares. Finalmente, se concluye que la investigación requiere equipos multidisciplinarios y alianzas estratégicas con centros de innovación.
El documento describe la inteligencia artificial y sus aplicaciones en biomedicina. Explica que la IA permite que las computadoras realicen tareas que requieren inteligencia humana y que tiene diversas áreas como sistemas expertos, aprendizaje automático y procesamiento de lenguaje. También define la biomedicina como el estudio de los aspectos biológicos de la medicina y la bioética como la rama ética aplicada a las ciencias de la vida. Finalmente, concluye que la IA promete beneficios en diversas áreas incluyendo la sal
inteligencia artificial - Juan Esteban Guzman, Edison Hoover Largo.pptxEDISONHOOVERLARGOGUZ
Este documento presenta una introducción a la inteligencia artificial. Define la inteligencia artificial según varios expertos y proporciona una línea de tiempo histórica de avances clave. Luego describe algunas aplicaciones comunes de la inteligencia artificial en dominios como la religión, el militar, la economía y la política. Finalmente, discute brevemente los impactos sociales y ventajas y desventajas de la inteligencia artificial.
La neuroingeniería utiliza técnicas de ingeniería para comprender, reparar y mejorar los sistemas neurales. Estudia la codificación y procesamiento de información en el cerebro y cómo manipularlo a través de interfaces cerebro-computadora y neuroprótesis. Experimentos con animales han demostrado que se puede controlar movimientos mediante implantes cerebrales, y se están realizando estudios para aplicar esto a humanos y ayudar a personas con discapacidades.
Colección Ethos - VOL. 9- UNA APROXIMACIÓN A LAS NEUROTECNOLOGÍASEDUCCUniversidadCatl
Este documento presenta un resumen de tres oraciones del capítulo 1 sobre las neurotecnologías:
1) El estudio del cerebro humano ha cobrado importancia en el siglo XXI, impulsado por iniciativas gubernamentales y privadas para mapear el funcionamiento cerebral.
2) Las neurotecnologías buscan tanto comprender el cerebro para avanzar en inteligencia artificial como tratar enfermedades y mejorar la calidad de vida.
3) Si bien las investigaciones del cerebro promueven el progreso, también plantean desafíos étic
El documento presenta información sobre el uso de la nanotecnología y la bioprinting (impresión 3D de tejidos biológicos) en el campo de la salud visual. Se describen ejemplos actuales de bioprinting de órganos como corazones, riñones y arterias. También se discute el potencial de estas tecnologías para crear prótesis oculares, lentes de contacto y otros dispositivos médicos personalizados de manera no invasiva. La presentación concluye que estas áreas requieren mayor investigación, capac
Los documentos describen el desarrollo de tecnologías para mejorar las operaciones médicas a través de réplicas anatómicas virtuales 3D y aplicaciones que monitorean el estrés. Las réplicas anatómicas virtuales permitirían a los médicos comparar escaneos antes y después de lesiones para facilitar la reconstrucción, mientras que las aplicaciones de monitoreo de estrés usan sensores para identificar las causas del estrés y ayudar a las personas con problemas de salud mental.
El documento discute el potencial de la inteligencia artificial (IA) para ayudar a los investigadores a analizar y comprender mejor los grandes volúmenes de datos generados por las técnicas de secuenciación del microbioma humano. La IA puede automatizar el análisis de datos y encontrar patrones que son difíciles de detectar para los humanos. El aprendizaje automático en particular ha demostrado ser útil para identificar rasgos microbianos específicos en los datos. Aunque la IA ofrece muchas oportunidades, también tiene limitaciones como la calidad y
Este documento discute el papel emergente de la nanotecnología y la bioimpresión 3D en el campo de la salud visual y cómo esto podría transformar el rol del optómetra. Se describen ejemplos actuales de implantes oculares impresos en 3D y se analizan las técnicas de bioimpresión. También se mencionan áreas como el diagnóstico molecular no invasivo y la realidad aumentada que podrían ser relevantes para los optómetras en el futuro.
PROPORCIONAR LOS CONOCIMIENTOS NECESARIOS SOBRE LA INTELIGENCIA ARTIFICIAL A ...YannelysAguilar
Proyecto de Investigación
.
Metodología de la Investigación II
.
Universidad Fermín Toro
.
Escuela de Comunicación Social
.
Barquisimeto, Septiembre 2020
El documento describe cómo la inteligencia artificial se relaciona con analogías artificiales a través de programas de computadora, y cómo puede usarse para comprender mejor el conocimiento humano y desarrollar herramientas útiles. También explica cómo los sistemas expertos pueden imitar la capacidad mental humana para hacer diagnósticos médicos con una precisión del 85%. Además, presenta la nanotecnología y cómo los investigadores han desarrollado nanobots que viajan en la sangre para combatir tumores malignos atacando genes clave para el cáncer.
Las innovaciones tecnológicas en el sector salud entre 2020 y 2021 han permitido agilizar los tiempos de investigación, ofrecer diagnósticos más rápidos y precisos, y desarrollar tratamientos más efectivos. Las aplicaciones móviles, el internet de las cosas médicas, la computación en la nube y la inteligencia artificial se han convertido en herramientas fundamentales para mejorar la atención médica y la comunicación entre pacientes y profesionales. El uso de la tecnología digital será esencial para adaptarse a la nueva normal
Priones, definiciones y la enfermedad de las vacas locasalexandrajunchaya3
Durante este trabajo de la doctora Mar junto con la coordinadora Hidalgo, se presenta un didáctico documento en donde repasaremos la definición de este misterio de la biología y medicina. Proteinas que al tener una estructura incorrecta, pueden esparcir esta estructura no adecuada, generando huecos en el cerebro, de esta manera creando el tejido espongiforme.
Las heridas son lesiones en el cuerpo que dañan la piel, tejidos u órganos. Pueden ser causadas por cortes, rasguños, punciones, laceraciones, contusiones y quemaduras. Se clasifican en:
Heridas abiertas: la piel se rompe y los tejidos quedan expuestos (ej. cortes, laceraciones).
Heridas cerradas: la piel no se rompe, pero hay daño en los tejidos subyacentes (ej. contusiones).
El tratamiento incluye limpieza, aplicación de antisépticos y vendajes, y en algunos casos, suturas. Es crucial vigilar las heridas para prevenir infecciones y asegurar una curación adecuada.
1891 - Primera discusión semicientífica sobre Una Nave Espacial Propulsada po...Champs Elysee Roldan
La primera discusión semicientífica sobre una nave espacial propulsada por cohetes la realizó el alemán Hans Ganswindt, quien abordó los problemas de la propulsión no mediante la fuerza reactiva de los gases expulsados sino mediante la eyección de cartuchos de acero que contenían dinamita. Supuso que la explosión de una carga transferiría energía cinética a la pared de la nave espacial y la impulsaría en la dirección deseada. Supuso que múltiples explosiones proporcionarían suficiente velocidad para alcanzar la órbita y la velocidad de escape.
El 27 de mayo de 1891, pronunció un discurso público en la Filarmónica de Berlín, en el que introdujo su concepto de un vehículo galáctico(Weltenfahrzeug).
Ganswindt también exploró el uso de una estación espacial giratoria para contrarrestar la ingravidez y crear gravedad artificial.
Los enigmáticos priones en la naturales, características y ejemplosalexandrajunchaya3
Durante este trabajo de la doctora Mar junto con la coordinadora Hidalgo, se presenta un didáctico documento en donde repasaremos la definición de este misterio de la biología y medicina. Proteinas que al tener una estructura incorrecta, pueden esparcir esta estructura no adecuada, generando huecos en el cerebro, de esta manera creando el tejido espongiforme.
Cardiopatias cianogenas con hipoflujo pulmonar.pptxELVISGLEN
Las cardiopatías congénitas acianóticas incluyen problemas cardíacos que se desarrollan antes o al momento de nacer pero que normalmente no interfieren en la cantidad de oxígeno o de sangre que llega a los tejidos corporales.
Esta presentación nos informa sobre los pólipos nasales, estos son crecimientos benignos en el revestimiento de los senos paranasales o fosas nasales, causados por inflamación crónica debido a alergias, infecciones o asma.
Reacciones Químicas en el cuerpo humano.pptxPamelaKim10
Este documento analiza las diversas reacciones químicas que ocurren dentro del cuerpo humano, las cuales son esenciales para mantener la vida y la salud.
Es en el Paleozoico cuando comienza a aparecer la vida más antigua. En Venezuela, el Paleozoico puede considerarse concentrado en tres regiones positivas distintas:
Región Norte del Escudo Guayanés.
Cordillera de los Andes venezolanos.
Sierra de Perijá.
1. Aplicaciones de la
inteligencia artificial
en medicina
Ricardo Dávila MD
Médico Interno
Región de Salud de Panamá Este
Marzo 2023
2. ¿Qué es la inteligencia artificial?
Rama de las ciencias de la computación que intenta entender y crear
entidades inteligentes, a menudo basada en instancias de software.
Busca simular, suplementar y/o aumentar la inteligencia humana.
Para realizar tareas complejas en prácticamente todas las ciencias.
No imitan invariablemente el funcionamiento del cerebro humano.
Comparable con el desarrollo de la aviación.
Russell, Stuart, and Peter Norvig. Artificial Intelligence: A Modern Approach. 4th ed., Pearson, 2020.
Yu, Kun-Hsing et al. “Artificial intelligence in healthcare.” Nature biomedical engineering vol. 2,10 (2018):
719-731.
3. La prueba de Turing: la meta de la
inteligencia artificial
Turing, A.M. “I. Computing machinery and intelligence.” Mind, vol. LIX, no. 236, (1950): 433-460.
4. Breve historia
Conferencia de Darmouth 1956. Minsky et al. “Cada
aspecto del aprendizaje u alguna otra característica
de la inteligencia puede ser tan precisamente
descrita que una máquina puede ser creada para
simularla”.
Detección de fraude bancario.
Robots de conversación para atención al cliente.
Diagnóstico de precisión en medicina.
Muthukrishnan, Nikesh et al. “Brief History of
Artificial Intelligence.” Neuroimaging clinics of North
America vol. 30,4 (2020): 393-399.
6. Componentes de una
máquina inteligente
1. Natural language processing (NLP) → comunicación.
2. Representación del conocimiento → almacenar lo que aprende.
3. Razonamiento automatizado → responder preguntas y hacer conclusiones.
4. Machine learning (ML) → adaptarse a nuevas circunstancias, detectar y extrapolar
patrones.
5. Computer vision → percibir objetos.
6. Robótica → manipular objetos y moverse
Russell, Stuart, and Peter Norvig. Artificial Intelligence: A Modern Approach. 4th
ed., Pearson, 2020.
7. Algoritmos basados en reglas de
decisión
Yu, Kun-Hsing et al. “Artificial intelligence in healthcare.” Nature biomedical engineering vol. 2,10 (2018): 719-731.
Wagholikar, Kavishwar B et al. “Clinical decision support with automated text processing for cervical cancer screening.” Journal of the
American Medical Informatics Association : JAMIA vol. 19,5 (2012): 833-9. doi:10.1136/amiajnl-2012-000820
8. Aprendizaje de máquinas (machine
learning)
Subcampo de la ciencias de la computación que utiliza
algoritmos para identificar patrones en los datos.
Matemática, estadística y programación.
Desarrollo de modelos predictivos a partir de muestras de
datos.
Input → Output
Murphy, Kevin P. Machine Learning: A Probabilistic Perspective. Cambridge, Massachusetts, The
MIT Press, 2012.
Estadística
9. Yu, Kun-Hsing et al. “Artificial intelligence in
healthcare.” Nature biomedical engineering vol.
2,10 (2018): 719-731.
10. Aprendizaje profundo (deep learning)
Subcampo del aprendizaje de máquinas que emplea redes
neuronales artificiales con múltiples capas para identificar patrones
en los datos.
Familia de métodos de computación que permiten a un algoritmo
programarse por sí solo al aprender de un gran conjunto de
ejemplos que demuestran el comportamiento deseado, eliminando
así la necesidad de especificar reglas.
Goodfellow, I., Bengio, Y., Courville, A. & Bengio, Y. Deep Learning 1 (MIT Press, Cambridge, 2016).
Yu, Kun-Hsing et al. “Artificial intelligence in healthcare.” Nature biomedical engineering vol. 2,10 (2018): 719-731.
Gulshan, Varun et al. “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal
Fundus Photographs.” JAMA vol. 316,22 (2016): 2402-2410.
12. Modelo matemático
Rosenblatt, F. “The perceptron: a probabilistic model for information storage and organization
in the brain.” Psychological Review, vol. 65, no. 6, (1958): 386–408.
13. Guresen E, Kayakutlu G. Definition of Artificial Neural Networks with comparison to other networks. Procedia
Comput Sci 2011; 3:426–433
14. Redes neuronales artificiales
Combinación paralela masiva de unidades de procesamiento sencillo que
puede adquirir conocimiento del ambiente a través de un proceso de
aprendizaje y almacenar el conocimiento dentro de sus conexiones.
Entrenamiento con datos preclasificados.
Extracción de características o tendencias del conjunto de datos.
Clasificación prospectiva de datos en base a lo aprendido (generalizable).
Guresen E, Kayakutlu G. Definition of Artificial Neural Networks with comparison to other networks. Procedia
Comput Sci 2011; 3:426–433
15. Guresen E, Kayakutlu G. Definition of Artificial Neural Networks with comparison to other networks. Procedia
Comput Sci 2011; 3:426–433
16.
17. Esteva, Andre et al. “A guide to deep learning in
healthcare.” Nature medicine vol. 25,1 (2019): 24-
29.
18. Muthukrishnan, Nikesh et al. “Brief History of Artificial Intelligence.”
Neuroimaging clinics of North America vol. 30,4 (2020): 393-399.
Inteligencia artificial→ simular la inteligencia
humana.
ML→ aprender asociaciones complejas (patrones).
● Modelos predictivos.
● Extracción de características óptimas.
DL→ aprendizaje del conjunto óptimo de
características de la muestra de datos.
19. Estadísticos de desempeño en clasificación
binaria.
Yang, Zhongliang et al. “Clinical Assistant Diagnosis for Electronic Medical Record Based on Convolutional Neural Network.” Scientific reports vol. 8,1 6329. 20 Apr. 20
doi:10.1038/s41598-018-24389-w
Shoenbill, Kimberly et al. “Natural language processing of lifestyle modification documentation.” Health informatics journal vol. 26,1 (2020): 388-405.
doi:10.1177/1460458218824742
Gulshan, Varun et al. “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs.” JAMA vol.
316,22 (2016): 2402-2410.
20. Gulshan, Varun et al. “Development and Validation of a Deep Learning Algorithm for Detection of
Diabetic Retinopathy in Retinal Fundus Photographs.” JAMA vol. 316,22 (2016): 2402-2410.
Lily Peng. Google Research.
21. Gulshan, Varun et al. “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic
Retinopathy in Retinal Fundus Photographs.” JAMA vol. 316,22 (2016): 2402-2410. Lily Peng. Google Research.
22. Poplin, Ryan et al. “Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning.”
Nature biomedical engineering vol. 2,3 (2018): 158-164.
23. Poplin, Ryan et al. “Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning.”
Nature biomedical engineering vol. 2,3 (2018): 158-164.
24. Este trabajo demuestra que mediante métodos de inteligencia
artificial es posible hacer observaciones, reconocer patrones y
relaciones entre variables que el ser humano no había
descubierto hasta la fecha.
El DL se aprovecha de colecciones masivas de datos para hacer
observaciones y predicciones.
Tareas imposibles de medir para el ser humano.
25. Esteva, Andre et al. “Dermatologist-level classification of skin cancer with deep neural networks.” Nature vol.
542,7639 (2017): 115-118. doi:10.1038/nature21056
26. Haenssle, H A et al. “Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma
recognition in comparison to 58 dermatologists.” Annals of oncology : official journal of the European Society for Medical Oncology vol. 29,8
(2018): 1836-1842. doi:10.1093/annonc/mdy166
27. Haenssle, H A et al. “Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma
recognition in comparison to 58 dermatologists.” Annals of oncology : official journal of the European Society for Medical Oncology vol. 29,8
(2018): 1836-1842. doi:10.1093/annonc/mdy166
28. Haenssle, H A et al. “Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition
in comparison to 58 dermatologists.” Annals of oncology : official journal of the European Society for Medical Oncology vol. 29,8 (2018): 1836-1842.
doi:10.1093/annonc/mdy166
29. Procesamiento de lenguaje natural
Área de la informática que se ocupa de los métodos para analizar,
modelar y comprender el lenguaje humano. Cada aplicación
inteligente que involucra lenguaje humano tiene algo de NLP detrás.
Natural Language processing. MIT open courseware. Lecture 7 Part 1. Massachusetts Institute of
Technology. 2022.
Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana. Practical Natural Language
Processing. O’Rilley Media, Inc. Junio 2020.
30. Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana. Practical Natural
Language Processing. O’Rilley Media, Inc. Junio 2020.
31. Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana. Practical Natural
Language Processing. O’Rilley Media, Inc. Junio 2020.
32. Sowmya Vajjala, Bodhisattwa Majumder, Anuj Gupta, and Harshit Surana. Practical Natural
Language Processing. O’Rilley Media, Inc. Junio 2020.
33. Natural Language processing. MIT open courseware. Lecture 7 Part 1. Massachusetts Institute of Technology.
2022.
35. Revisión sistemática PRISMA.
Consideraron 2652 artículos y 106 fueron incluidos.
43 enfermedades crónicas.
Sheikhalishahi, Seyedmostafa et al. “Natural Language Processing of Clinical Notes on Chronic Diseases: Systematic
Review.” JMIR medical informatics vol. 7,2 e12239. 27 Apr. 2019, doi:10.2196/12239
36. Sheikhalishahi, Seyedmostafa et al. “Natural Language Processing of Clinical Notes on Chronic Diseases: Systematic
Review.” JMIR medical informatics vol. 7,2 e12239. 27 Apr. 2019, doi:10.2196/12239
37. Sheikhalishahi, Seyedmostafa et al. “Natural Language Processing of Clinical Notes on Chronic Diseases: Systematic
Review.” JMIR medical informatics vol. 7,2 e12239. 27 Apr. 2019, doi:10.2196/12239
38. 49.1% corpus
privados.
9.9% MIMIC-III
71.2% inglés.
19.8% chino.
español 2.4%.
previas revisiones
el segundo idioma
era francés.
Chino y español
crecieron.
Wu, Stephen et al. “Deep learning in clinical natural language processing: a methodical review.” Journal of the
American Medical Informatics Association : JAMIA vol. 27,3 (2020): 457-470. doi:10.1093/jamia/ocz200
39. Denny, Joshua C et al. “Natural language processing improves identification of colorectal cancer testing in the
electronic medical record.” Medical decision making : an international journal of the Society for Medical Decision
Making vol. 32,1 (2012): 188-97. doi:10.1177/0272989X11400418
40. Carrell, David S et al. “Using natural language processing to improve efficiency of manual chart
abstraction in research: the case of breast cancer recurrence.” American journal of epidemiology
vol. 179,6 (2014): 749-58. doi:10.1093/aje/kwt441
41. Steinkamp, Jackson M et al. “Task definition, annotated dataset, and supervised natural language processing models
for symptom extraction from unstructured clinical notes.” Journal of biomedical informatics vol. 102 (2020): 103354.
doi:10.1016/j.jbi.2019.103354
42. Shoenbill y col. lograron medir, en más de 400 000 notas clínicas de 14 360 pacientes, el
porcentaje de pacientes que fueron evaluados y recibieron consejería sobre modificación a
su estilo de vida a través de estrategias de NLP de libre acceso como cTAKES y código
Python. Encontraron que 78.36% recibieron consejería sobre modificar el estilo de vida,
pero sólo 5.9% de las notas clínicas documentaron dichos esfuerzos, lo que sugiere que
a pesar de que el personal de salud aborda el tema, no existió repaso de las intervenciones
en visitas repetidas. Obtuvieron resultados prometedores de rendimiento con sensibilidad y
valor predictivo positivo de 99.27% y 94.44%, respectivamente. Con F1 de 96.79%.
Shoenbill, Kimberly et al. “Natural language processing of lifestyle modification documentation.” Health
informatics journal vol. 26,1 (2020): 388-405. doi:10.1177/1460458218824742
43. Sed de datos. Problema de
confidencialidad.
Un reto para el desarrollo de aplicaciones clínicas basadas en NLP es la necesidad de gran
cantidad de datos con anotaciones de alta calidad para entrenar modelos generalizables, sin
embargo, gran parte de la información clínica pertenecen a bases de datos que no pueden hacerse
públicas por consideración de la privacidad de los pacientes.
Oportunidad en bases de datos libres: MIMIC-III.
Entzeridou, Eleni et al. “Public and physician's expectations and ethical concerns about electronic health
record: Benefits outweigh risks except for information security.” International journal of medical informatics
vol. 110 (2018): 98-107. doi:10.1016/j.ijmedinf.2017.12.004
Johnson, Alistair E W et al. “MIMIC-III, a freely accessible critical care database.” Scientific data vol. 3
160035. 24 May. 2016, doi:10.1038/sdata.2016.35
44. Johnson, Alistair E W et al. “MIMIC-III, a freely accessible critical care database.” Scientific data vol. 3 160035. 24
May. 2016, doi:10.1038/sdata.2016.35
45. Portabilidad de modelos (transferibilidad).
Considerando el problema ético que representa entrenar
algoritmos de inteligencia artificial en conjuntos de datos
privados, como los expedientes clínicos, surge la necesidad de
modelos de NLP portables o transferibles, que puedan ser
entrenados con bibliotecas de expedientes clínicos
desidentificados y ser aplicados con éxitos en otras bases de
datos.
46. Weng, Wei-Hung et al. “Medical subdomain classification of clinical notes using a machine learning-
based natural language processing approach.” BMC medical informatics and decision making vol. 17,1
155. 1 Dec. 2017, doi:10.1186/s12911-017-0556-8
47. Modelo transferible. Parcialmente.
Múltiples modelos de NLP para clasificar la especialidad médica a la que pertenece determinada
nota clínica.
Mejor desempeño obtenido por red neuronal convolucional.
Entrenada en 2 bases de datos: iDASH y en el repositorio de datos del MGH.
Demostraron portabilidad del modelo.
Para cardiología, modelo entrenado en iDASH obtuvo F1 0.806, VPP 0.923 y Sensibilidad de
0.715 en MGH. Resto de especialidades con menor éxito.
Weng, Wei-Hung et al. “Medical subdomain classification of clinical notes using a machine learning-
based natural language processing approach.” BMC medical informatics and decision making vol. 17,1
155. 1 Dec. 2017, doi:10.1186/s12911-017-0556-8
48. Entrenaron un modelo de reconocimiento de entidades nombradas (NER) para reconocer 7
categorías: nombres de fármacos, ruta de administración, frecuencia, dosis, potencia, forma
y duración de la base de datos MIMIC-III.
Transferencia del modelo para NER a expedientes de base de datos UK-CRIS.
Rendimiento con F1 94.4%.
Kormilitzin, Andrey et al. “Med7: A transferable clinical natural language processing model for electronic health
records.” Artificial intelligence in medicine vol. 118 (2021): 102086. doi:10.1016/j.artmed.2021.102086
49. Nawab y col. utilizaron herramientas de NLP para estudiar las opiniones de los pacientes sobre la percepción
de la calidad de atención brindada en un centro hospitalario.20
Nawab, Khalid et al. “Natural Language Processing to Extract Meaningful Information from Patient Experience Feedback.” Applied
clinical informatics vol. 11,2 (2020): 242-252. doi:10.1055/s-0040-1708049
50. Roser, Brittany J et al. “A data
extraction algorithm for
assessment of contraceptive
counseling and provision.”
American journal of obstetrics
and gynecology vol. 218,3
(2018): 333.e1-333.e5.
doi:10.1016/j.ajog.2017.11.578
52. Sistemas de soporte de decisión clínica
automatizados.
24 centros de APS en Castilla-La Mancha.
NLP en tiempo real de las historias clínicas.
Emite alertas con recomendaciones basadas en evidencia.
Estudio cross-over no aleatorizado pequeño (limitante).
Cruz, Noa P et al. “Improving Adherence to Clinical Pathways Through Natural Language Processing on Electronic
Medical Records.” Studies in health technology and informatics vol. 264 (2019): 561-565. doi:10.3233/SHTI190285
53. Solamente 50% de las embarazadas diagnosticadas con infección
de vía urinaria se les indicó un cultivo de orina, luego de la
implementación del CDSS, este porcentaje incrementó a 100%
(prueba-t, p=0.013).23
Cruz, Noa P et al. “Improving Adherence to Clinical Pathways Through Natural Language Processing on Electronic
Medical Records.” Studies in health technology and informatics vol. 264 (2019): 561-565. doi:10.3233/SHTI190285
54. Cruz, Noa P et al. “Improving Adherence to Clinical Pathways Through Natural Language Processing on Electronic
Medical Records.” Studies in health technology and informatics vol. 264 (2019): 561-565. doi:10.3233/SHTI190285
55. Yang, Zhongliang et al. “Clinical Assistant Diagnosis for Electronic Medical Record Based on Convolutional Neural
Network.” Scientific reports vol. 8,1 6329. 20 Apr. 2018, doi:10.1038/s41598-018-24389-w
56. Modelo de diagnóstico auxiliar basado en DL.
Extrae automáticamente información de alto nivel semántico de las historias clínicas
Logró diagnosticar enfermedades sin uso de reglas de decisión.
7000 expedientes electrónicos Hospital Central de Huagnshi.
precisión de 95.94%, sensibilidad de 96.02%, valor F1 de 95.96% y exactitud del 98.67%
con la red neuronal convolucional.
Yang, Zhongliang et al. “Clinical Assistant Diagnosis for Electronic Medical Record Based on Convolutional Neural
Network.” Scientific reports vol. 8,1 6329. 20 Apr. 2018, doi:10.1038/s41598-018-24389-w
57. Yang, Zhongliang et al. “Clinical Assistant Diagnosis for Electronic Medical Record Based on Convolutional Neural
Network.” Scientific reports vol. 8,1 6329. 20 Apr. 2018, doi:10.1038/s41598-018-24389-w
58. Yang, Zhongliang et al. “Clinical
Assistant Diagnosis for Electronic
Medical Record Based on
Convolutional Neural Network.”
Scientific reports vol. 8,1 6329. 20 Apr.
2018, doi:10.1038/s41598-018-24389-
w
61. Liu, Ran et al. “Data-driven discovery of a novel sepsis pre-shock state predicts impending septic shock in the ICU.”
Scientific reports vol. 9,1 6145. 16 Apr. 2019, doi:10.1038/s41598-019-42637-5
62. Liu, Ran et al. “Data-driven discovery of a novel sepsis pre-shock state predicts impending septic shock in the ICU.”
Scientific reports vol. 9,1 6145. 16 Apr. 2019, doi:10.1038/s41598-019-42637-5
63. Liu, Ran et al. “Data-driven discovery of a novel sepsis pre-shock state predicts impending septic shock in the ICU.”
Scientific reports vol. 9,1 6145. 16 Apr. 2019, doi:10.1038/s41598-019-42637-5
64. Liu, Ran et al. “Data-driven discovery of a novel sepsis pre-shock state predicts impending septic shock in the ICU.”
Scientific reports vol. 9,1 6145. 16 Apr. 2019, doi:10.1038/s41598-019-42637-5
65. Liu, Ran et al. “NaturalLanguage Processing of Clinical Notes for Improved Early Prediction of Septic Shock in the ICU.” Annual International Conference of the IEEE Engineering in Medicine and
Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference vol. 2019 (2019): 6103-6108. doi:10.1109/EMBC.2019.8857819
66. Liu, Ran et al. “NaturalLanguage Processing of Clinical Notes for
Improved Early Prediction of Septic Shock in the ICU.” Annual
International Conference of the IEEE Engineering in Medicine
and Biology Society. IEEE Engineering in Medicine and Biology
Society. Annual International Conference vol. 2019 (2019):
6103-6108.doi:10.1109/EMBC.2019.8857819
67. Goh, K.H., Wang, L., Yeow, A.Y.K. et al. Artificial intelligence in sepsis early prediction and diagnosis using unstructured
data in healthcare. Nat Commun 12, 711 (2021). https://doi.org/10.1038/s41467-021-20910-4
68. Goh, K.H., Wang, L., Yeow, A.Y.K. et al. Artificial intelligence in sepsis early prediction and diagnosis using unstructured
data in healthcare. Nat Commun 12, 711 (2021). https://doi.org/10.1038/s41467-021-20910-4
69. Goh, K.H., Wang, L., Yeow, A.Y.K. et al. Artificial intelligence in sepsis early prediction and diagnosis using unstructured
data in healthcare. Nat Commun 12, 711 (2021). https://doi.org/10.1038/s41467-021-20910-4
70. Goh, K.H., Wang, L., Yeow,
A.Y.K. et al. Artificial
intelligence in sepsis early
prediction and diagnosis
using unstructured data in
healthcare. Nat Commun 12,
711 (2021).
https://doi.org/10.1038/s414
67-021-20910-4
71. 48 horas antes del inicio de la sepsis el algoritmo SERA puede diagnosticar 78% de los pacientes
que eventualmente tendrán sepsis (sensibilidad).
12 horas antes la sensibilidad sube a 86%
48 horas antes: médicos, detectan solamente 53% de los pacientes que tendrán sepsis.
6 horas antes: médicos diagnostican 58%.
Goh, K.H., Wang, L., Yeow, A.Y.K. et al. Artificial intelligence in sepsis early prediction and diagnosis using unstructured
data in healthcare. Nat Commun 12, 711 (2021). https://doi.org/10.1038/s41467-021-20910-4
72. Elkin, Peter L et al. “Using Artificial Intelligence With Natural Language Processing to Combine Electronic Health Record's Structured and Free Text Data
to Identify Nonvalvular Atrial Fibrillation to Decrease Strokes and Death: Evaluation and Case-Control Study.” Journal of medical Internet research vol.
23,11 e28946. 9 Nov. 2021, doi:10.2196/28946
73. Elkin, Peter L et al. “Using Artificial Intelligence With Natural Language Processing to Combine Electronic Health Record's Structured and Free Text Data
to Identify Nonvalvular Atrial Fibrillation to Decrease Strokes and Death: Evaluation and Case-Control Study.” Journal of medical Internet research vol.
23,11 e28946. 9 Nov. 2021, doi:10.2196/28946
74. Conclusiones
Las herramientas de procesamiento de lenguaje natural permiten evaluar la adherencia de
los clínicos a las normas y algoritmos de manejo basados en la evidencia, garantizando así
la transparencia y calidad en la atención clínica.
75.
76. Russell, Stuart, and Peter Norvig. Artificial Intelligence: A Modern Approach. 4th ed., Pearson, 2020.Yu, Kun-Hsing et al.
“Artificial intelligence in healthcare.” Nature biomedical engineering vol. 2,10 (2018): 719-731. Turing, A.M. “I.
Computing machinery and intelligence.” Mind, vol. LIX, no. 236, (1950): 433-460.Muthukrishnan,
Nikesh et al. “Brief History of Artificial Intelligence.” Neuroimaging clinics of North America vol. 30,4 (2020): 393-399.
Murphy, Kevin P. Machine Learning: A Probabilistic Perspective. Cambridge, Massachusetts, The MIT Press, 2012.Sidey-
Gibbons, Jenni A M, and Chris J Sidey-Gibbons. “Machine learning in medicine: a practical introduction.” BMC medical
research methodology vol. 19,1 64. 19 Mar. 2019.
Esteva, Andre et al. “A guide to deep learning in healthcare.” Nature medicine vol. 25,1 (2019): 24-29.
McCulloch, Warren S., and Walter Pitts. “A logical calculus of the ideas immanent in nervous activity.” The bulletin of
mathematical biophysics, no. 5, (1943): 115–133.
Rosenblatt, F. “The perceptron: a probabilistic model for information storage and organization in the brain.” Psychological
Review, vol. 65, no. 6, (1958): 386–408.
Gulshan, Varun et al. “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy
in Retinal Fundus Photographs.” JAMA vol. 316,22 (2016): 2402-2410.
Poplin, Ryan et al. “Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning.” Nature
biomedical engineering vol. 2,3 (2018): 158-164.
Sheikhalishahi, Seyedmostafa et al. “Natural Language Processing of Clinical Notes on Chronic Diseases: Systematic
77. Sheikhalishahi, Seyedmostafa et al. “Natural Language Processing of Clinical Notes on Chronic Diseases: Systematic Review.” JMIR medical informatics vol. 7,2 e12239. 27 Apr.
2019, doi:10.2196/12239
Denny, Joshua C et al. “Natural language processing improves identification of colorectal cancer testing in the electronic medical record.” Medical decision making : an
international journal of the Society for Medical Decision Making vol. 32,1 (2012): 188-97. doi:10.1177/0272989X11400418
Carrell, David S et al. “Using natural language processing to improve efficiency of manual chart abstraction in research: the case of breast cancer recurrence.” American journal of
epidemiology vol. 179,6 (2014): 749-58. doi:10.1093/aje/kwt441
Steinkamp, Jackson M et al. “Task definition, annotated dataset, and supervised natural language processing models for symptom extraction from unstructured clinical notes.”
Journal of biomedical informatics vol. 102 (2020): 103354. doi:10.1016/j.jbi.2019.103354
Entzeridou, Eleni et al. “Public and physician's expectations and ethical concerns about electronic health record: Benefits outweigh risks except for information security.”
International journal of medical informatics vol. 110 (2018): 98-107. doi:10.1016/j.ijmedinf.2017.12.004
Johnson, Alistair E W et al. “MIMIC-III, a freely accessible critical care database.” Scientific data vol. 3 160035. 24 May. 2016, doi:10.1038/sdata.2016.35
Weng, Wei-Hung et al. “Medical subdomain classification of clinical notes using a machine learning-based natural language processing approach.” BMC medical informatics and
decision making vol. 17,1 155. 1 Dec. 2017, doi:10.1186/s12911-017-0556-8
Kormilitzin, Andrey et al. “Med7: A transferable clinical natural language processing model for electronic health records.” Artificial intelligence in medicine vol. 118 (2021):
102086. doi:10.1016/j.artmed.2021.102086
Guresen E, Kayakutlu G. Definition of Artificial Neural Networks with comparison to other networks. Procedia Comput Sci 2011; 3:426–433
Nawab, Khalid et al. “Natural Language Processing to Extract Meaningful Information from Patient Experience Feedback.” Applied clinical informatics vol. 11,2 (2020): 242-252.
doi:10.1055/s-0040-1708049
Roser, Brittany J et al. “A data extraction algorithm for assessment of contraceptive counseling and provision.” American journal of obstetrics and gynecology vol. 218,3 (2018):
333.e1-333.e5. doi:10.1016/j.ajog.2017.11.578
78. Shoenbill, Kimberly et al. “Natural language processing of lifestyle modification documentation.” Health informatics
journal vol. 26,1 (2020): 388-405. doi:10.1177/1460458218824742
Cruz, Noa P et al. “Improving Adherence to Clinical Pathways Through Natural Language Processing on Electronic Medical
Records.” Studies in health technology and informatics vol. 264 (2019): 561-565. doi:10.3233/SHTI190285
Yang, Zhongliang et al. “Clinical Assistant Diagnosis for Electronic Medical Record Based on Convolutional Neural
Network.” Scientific reports vol. 8,1 6329. 20 Apr. 2018, doi:10.1038/s41598-018-24389-w
Leder Macek, Aleeza J et al. “Validation of rule-based algorithms to determine colorectal, breast, and cervical cancer
screening status using electronic health record data from an urban healthcare system in New York City.” Preventive
medicine reports vol. 24 101599. 12 Oct. 2021, doi:10.1016/j.pmedr.2021.101599
Wagholikar, Kavishwar B et al. “Clinical decision support with automated text processing for cervical cancer screening.”
Journal of the American Medical Informatics Association : JAMIA vol. 19,5 (2012): 833-9. doi:10.1136/amiajnl-2012-
000820
Wu, Stephen et al. “Deep learning in clinical natural language processing: a methodical review.” Journal of the American
Medical Informatics Association : JAMIA vol. 27,3 (2020): 457-470. doi:10.1093/jamia/ocz200