Identificador persistente para citar o vincular este elemento:
http://hdl.handle.net/10553/117330
Título: | MEDvolution: Aplicación predictiva multiplataforma basada en un sistema de recomendación para la evolución del cuadro médico de un paciente | Autores/as: | Vega Vega, Yguanira Del Pino | Director/a : | Hernández Acosta, Luis Miguel | Clasificación UNESCO: | 3325 Tecnología de las telecomunicaciones | Fecha de publicación: | 2022 | Resumen: | La humanidad se encuentra en la era de la información, su conocimiento abre fronteras, expande creencias e historias. Sin embargo, se genera tanta información a nivel global que estudiarla, analizarla u organizarla es una misión casi imposible. A causa de este problema, se desarrollaron en la última década múltiples tecnologías, entre ellas, los Sistemas de Recomendación. Su objetivo, facilitar el acceso a grandes volúmenes de información.
Concretamente, este proyecto se centra en la información médica o sanitaria. Esto se debe a la gran relevancia que ha tenido la pandemia de COVID-19. Esta pandemia demostró a nivel mundial la importancia de la información, del contraste de datos y, sobre todo, del papel tan importante que cobra el personal sanitario en la sociedad.
En este punto entra MEDvolution, una herramienta de ayuda para el día a día en los puestos de trabajo de los médicos. Esta aplicación garantiza un trato personalizado para el paciente aumentando el tiempo de respuesta del médico. Este incremento lo consigue aportándole la mayor cantidad de información posible al médico sin que este sienta la necesidad de emplear múltiples horas investigando o discutiendo con otros expertos.
MEDvolution emplea como tecnología central el uso de Sistemas de Recomendación basados en Redes Bayesianas. Con esta aplicación, el médico puede predecir el cuadro evolutivo de un paciente a partir de sus síntomas, comorbilidades y otras características; y actuar en base a unas recomendaciones que proporciona el sistema, procurando la mejor atención en el menor tiempo posible al paciente. Humanity is in the information age, its knowledge opens frontiers, expands beliefs and stories. However, so much information is generated globally that studying, analysing or organising it is an almost impossible mission. Because of this problem, multiple technologies have been developed in the last decade, including Recommender Systems. Their objective is to facilitate access to large volumes of information. Specifically, this project focuses on medical or health information. This is due to the great relevance of the COVID-19 pandemic. This pandemic demonstrated the worldwide importance of information, the data contrast and, above all, the important role played by health personnel in society. This is where MEDvolution comes in, a tool to help doctors in their day-to-day work. This application guarantees personalised treatment for the patient, increasing the doctor's response time. This increase is achieved by providing the doctor with as much information as possible without him/her feeling the need to spend many hours researching or discussing with other experts. MEDvolution employs the use of Bayesian Network-based Recommendation Systems as its core technology. With this application, the doctor can predict the evolution of a patient's condition based on symptoms, comorbidities and other characteristics, and act based on the recommendations provided by the system, providing the best care in the shortest possible time for the patient. |
Departamento: | Departamento de Ingeniería Telemática | Facultad: | Escuela de Ingeniería de Telecomunicación y Electrónica | Titulación: | Máster Universitario en Ingeniería de Telecomunicación | URI: | http://hdl.handle.net/10553/117330 |
Colección: | Trabajo final de máster |
En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.
Vista completaVisitas
30
actualizado el 09-sep-2023
Descargas
18
actualizado el 09-sep-2023
Google ScholarTM
Verifica
Comparte
Exporta metadatos
Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.