Cipher

Cipher

Machine Learning aplicado a la detección temprana de enfermedades.
Desafío

Desafío

El presente proyecto de I+D pretende crear una Plataforma que, mediante un Sistema Experto y Algoritmos de análisis ML y Big Data, actúe de forma predictiva para detectar enfermedades, en concreto el ictus.

La idea principal de este proyecto radica en que el sistema vaya autoaprendiendo para que pueda lanzar alertas tempranas. De esta forma, el Sistema de Soporte a la Decisión (DSS) alertará al clínico en el momento en que se detecte una situación de riesgo para que se lleven a cabo las medidas oportunas.

Servicio Andaluz de Salud

Servicio Andaluz de Salud

El Servicio Andaluz de Salud, creado en 1986, es uno de los Servicios Sanitarios más importantes de Europa, atendiendo a más de 8 millones de personas.

El SAS cuenta con 92.934 profesionales (media anual) para atender su red asistencial: 24.436 en atención primaria y 68.498 atención hospitalaria.

Diraya es el sistema que se utiliza en el Sistema Sanitario Público de Andalucía como soporte de la historia clínica electrónica.

Nuestra solución

Técnicas captación datos
Técnicas captación datos
Se trata de técnicas de normalización de la información, vinculación a ontologías y terminologías clínicas, análisis, minería de datos y aplicación de procesos KDD aplicados a la construcción de clasificadores de enfermedades cerebrovasculares.
Investigación Machine Learning
Investigación Machine Learning
Se aborda el descubrimiento de patrones en la sintomatología y datos de los pacientes, el análisis de la correlación entre factores de riesgo y la probabilidad de desarrollo de un ictus, así como la efectividad de los procedimientos, basándose en algoritmos semánticos y autoaprendizaje de detección de probabilidad.
Retos Machine Learning
Retos Machine Learning
Se usa la escalabilidad del aprendizaje automático al algoritmo de detección de patologías, teniendo como base los modelos teóricos, ya contrastados en otros modelos médicos existentes y se contruye el modelo funcional de aprendizaje sobre patologías.

Mejoras sobre el estado del arte

Resultados

Resultados

Creación de un Sistema Experto de Software Sanitario basado en Big Data, Machine Learning y Algoritmos de aprendizaje automáticos, capaz de descubrir sintomatologías ocultas en registros electrónicos de salud que no son tenidas en cuenta o adecuadamente valoradas hoy en día.

Esta detección debe servir para alimenta un Sistema de Soporte a la Decisión (DSS) que alerta al clínico en el momento en que se detecta una situación de riesgo.

Tecnologías

Talend
Hadoop
MongoDB
Hortonworks
Spark
Solr
Elastic Search
Apache Hbase
Hive
Mahout
MapReduce

El proyecto ha sido co-financiado por el Ministerio de Energía, Turismo y Agenda Digital.

Número de proyecto: EXP-00095962 / IDI-20161013
¿Tienes algún proyecto innovador en mente y no sabes cómo llevarlo a cabo? Escríbenos o llámanos, y te ayudaremos a hacerlo realidad
base pixel px
Convert
Enter PX px
or
Enter EM em
Result