2026-06-06T19:01:04Zhttps://riuma.uma.es/rest/oai/requestoai:riuma.uma.es:10630/306202026-02-03T10:24:28Zcom_10630_1685col_10630_38055
Técnicas de Machine Learning para la predicción de síntomas a los dos años de vida en bebés prematuros.
Núñez Jiménez, Laura
Amor-Pinilla, María Mercedes
Guzmán-de-los-Riscos, Eduardo Francisco
Aprendizaje automático (Inteligencia artificial)
Informática - Trabajos Fin de Grado
Grado en Ingeniería de la Salud - Trabajos Fin de Grado
Neonatología - Proceso de datos
Hoy en día la inteligencia artificial es uno de los conceptos más importantes en el
avance tecnológico. Es una herramienta aplicada en diversos campos de la industria,
de la agricultura y también en el ámbito de la medicina. El objetivo fundamental de la
IA, en el ámbito de la salud, es mejorar la atención médica. En este proyecto, la
atención de los neonatos presenta desafíos únicos que pueden abordarse con éxito
mediante la integración de la inteligencia artificial. Los neonatos, bebés nacidos antes
de terminar el proceso de maduración, requieren una atención medica especial y
también un seguimiento a medida que el prematuro crece en sus primeros años de vida,
debido a las posibles complicaciones de salud asociadas o secuelas que pueden
desarrollarse a lo largo de su vida. Esta investigación pretende que algoritmos de
Machine Learning (o Aprendizaje Automático) puedan detectar patrones de secuelas
antes de los 24 meses de vida con datos médicos recogidos en el momento del nacimiento
del bebé. Esto permitirá a los médicos que evalúen el riesgo de complicaciones,
permitiendo intervenciones preventivas y personalizadas. Se llevará a cabo la
investigación de cuatro tipo de secuelas que ayudarán a la Sociedad Española de
Neonatología a encontrar si existe alguna correlación entre los datos médicos recogidos
al nacimiento y las secuelas observadas en el seguimiento a los dos años de vida. En
cada caso se aplicará 4 tipos de estrategias diferentes encabezadas por dos técnicas,
extracción de atributos mediando el análisis de componente principales y selección de
características relevantes mediante la clase SelectKBest de la librería de scikit-learn.
Finalmente, se llevará acabo el entrenamiento de dos modelos Random Forest y
XGBoost. En conclusión, la implementación de Machine Learning en la atención a
prematuros ha demostrado ser una innovación prometedora para optimizar el cuidado
médico en estos bebés y ...
2024-02-23T09:34:14Z
2024-02-23T09:34:14Z
2024-02-23T09:34:14Z
2024
bachelor thesis
https://hdl.handle.net/10630/30620
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
open access
Attribution-NonCommercial-NoDerivatives 4.0 Internacional