Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico

Uno de los campos con mayor crecimiento en los últimos años ha sido la inteligencia artificial, la cual se divide en subcampos como el aprendizaje automático, el cual provee técnicas y algoritmos para que los sistemas puedan aprender y mejorar de forma automática. El objetivo del proyecto fue desarr...

Descripción completa

Detalles Bibliográficos
Autores principales:	Kelly Kandler , Kerry Kenton, Reyes Reyes , Orvin Daniel, Ordoñez Cuthbert , Deyvon Kestner, Sambola , Dexon-Mckensy
Formato:	Online
Idioma:	spa
Publicado:	BICU 2022
Acceso en línea:	https://camjol.info/index.php/WANI/article/view/14659

id	WANI14659
record_format	ojs
spelling	WANI146592023-01-24T22:03:34Z Medical application for clinical prediction of mortality rate in patients with traumatic brain injury Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico Kelly Kandler , Kerry Kenton Reyes Reyes , Orvin Daniel Ordoñez Cuthbert , Deyvon Kestner Sambola , Dexon-Mckensy Neural Networks Machine Learning Predictive Model Artificial Intelligence Medicine Redes Neuronales Aprendizaje Automático Modelo Predictivo Inteligencia Artificial Medicina One of the fastest growing fields in recent years has been artificial intelligence, which is divided into subfields such as machine learning, which provides techniques and algorithms so that systems can learn and improve automatically. The objective of the project was to develop a medical application whose function is to optimize and facilitate decision-making regarding the care provided to patients with head trauma, through a predictive model that indicates the probability of death of these patients. The extreme programming (XP) methodology was applied, using machine learning techniques based on the CRASH-2 data set, which has 20,207 records of randomized traumatic brain injury patients. Artificial neural networks were used to build the predictive survival model. The neural network with the 6-(8-14-2)-1 architecture achieved an accuracy of 76%, sensitivity of 72.9%, and specificity of 94.1% on the test data set; demonstrating a promising discrimination capacity with good adaptation to internal validation. Uno de los campos con mayor crecimiento en los últimos años ha sido la inteligencia artificial, la cual se divide en subcampos como el aprendizaje automático, el cual provee técnicas y algoritmos para que los sistemas puedan aprender y mejorar de forma automática. El objetivo del proyecto fue desarrollar una aplicación médica cuya función radica en optimizar y facilitar la toma de decisiones referente a la atención brindada a pacientes de trauma craneoncefálico, por medio de un modelo predictivo que indique la probabilidad de muerte de estos pacientes. Se aplicó la metodología de programación extrema (XP), empleando técnicas de aprendizaje automático tomando como base el conjunto de datos CRASH-2, la cuál cuenta con 20,207 registros de pacientes aleatorizados de trauma craneoencefálico. Las redes neuronales artificiales fueron utilizadas para construir el modelo predictivo de supervivencia. La red neuronal con la arquitectura 6-(8-14-2)-1 alcanzó una exactitud del 76%, sensibilidad del 72.9% y especificidad del 94.1% sobre el conjunto de datos de prueba; demostrando una capacidad de discriminación prometedora con buena adaptación a la validación interna. BICU 2022-07-29 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf audio/mpeg https://camjol.info/index.php/WANI/article/view/14659 10.5377/wani.v38i77.14659 Wani; No. 77 (2022); 4-17 Wani; Núm. 77 (2022); 4-17 2308-7862 1813-369X spa https://camjol.info/index.php/WANI/article/view/14659/17208 https://camjol.info/index.php/WANI/article/view/14659/17984 Derechos de autor 2022 Bluefields Indian and Caribbean University http://creativecommons.org/licenses/by-nc-sa/4.0
institution	Bluefields Indian & Caribbean University
collection	Wani
language	spa
format	Online
author	Kelly Kandler , Kerry Kenton Reyes Reyes , Orvin Daniel Ordoñez Cuthbert , Deyvon Kestner Sambola , Dexon-Mckensy
spellingShingle	Kelly Kandler , Kerry Kenton Reyes Reyes , Orvin Daniel Ordoñez Cuthbert , Deyvon Kestner Sambola , Dexon-Mckensy Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
author_facet	Kelly Kandler , Kerry Kenton Reyes Reyes , Orvin Daniel Ordoñez Cuthbert , Deyvon Kestner Sambola , Dexon-Mckensy
author_sort	Kelly Kandler , Kerry Kenton
description	Uno de los campos con mayor crecimiento en los últimos años ha sido la inteligencia artificial, la cual se divide en subcampos como el aprendizaje automático, el cual provee técnicas y algoritmos para que los sistemas puedan aprender y mejorar de forma automática. El objetivo del proyecto fue desarrollar una aplicación médica cuya función radica en optimizar y facilitar la toma de decisiones referente a la atención brindada a pacientes de trauma craneoncefálico, por medio de un modelo predictivo que indique la probabilidad de muerte de estos pacientes. Se aplicó la metodología de programación extrema (XP), empleando técnicas de aprendizaje automático tomando como base el conjunto de datos CRASH-2, la cuál cuenta con 20,207 registros de pacientes aleatorizados de trauma craneoencefálico. Las redes neuronales artificiales fueron utilizadas para construir el modelo predictivo de supervivencia. La red neuronal con la arquitectura 6-(8-14-2)-1 alcanzó una exactitud del 76%, sensibilidad del 72.9% y especificidad del 94.1% sobre el conjunto de datos de prueba; demostrando una capacidad de discriminación prometedora con buena adaptación a la validación interna.
title	Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
title_short	Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
title_full	Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
title_fullStr	Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
title_full_unstemmed	Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
title_sort	aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico
title_alt	Medical application for clinical prediction of mortality rate in patients with traumatic brain injury
publisher	BICU
publishDate	2022
url	https://camjol.info/index.php/WANI/article/view/14659
work_keys_str_mv	AT kellykandlerkerrykenton medicalapplicationforclinicalpredictionofmortalityrateinpatientswithtraumaticbraininjury AT reyesreyesorvindaniel medicalapplicationforclinicalpredictionofmortalityrateinpatientswithtraumaticbraininjury AT ordonezcuthbertdeyvonkestner medicalapplicationforclinicalpredictionofmortalityrateinpatientswithtraumaticbraininjury AT samboladexonmckensy medicalapplicationforclinicalpredictionofmortalityrateinpatientswithtraumaticbraininjury AT kellykandlerkerrykenton aplicacionmedicaparalaprediccionclinicadelindicedemortalidadenpacientescontraumacraneoencefalico AT reyesreyesorvindaniel aplicacionmedicaparalaprediccionclinicadelindicedemortalidadenpacientescontraumacraneoencefalico AT ordonezcuthbertdeyvonkestner aplicacionmedicaparalaprediccionclinicadelindicedemortalidadenpacientescontraumacraneoencefalico AT samboladexonmckensy aplicacionmedicaparalaprediccionclinicadelindicedemortalidadenpacientescontraumacraneoencefalico
_version_	1805400449788936192

Aplicación médica para la predicción clínica del índice de mortalidad en pacientes con trauma craneoencefálico

Ejemplares similares