Sistema de asistencia de investigación médica basado en conocimiento
dc.contributor.author | Alonso Barriuso, Adrián | |
dc.date.accessioned | 2024-05-07T13:58:31Z | |
dc.date.available | 2024-05-07T13:58:31Z | |
dc.date.issued | 2023 | |
dc.description | Tesis Doctoral leída en la Universidad Rey Juan Carlos de Madrid en 2023. Directores: Alberto Fernández Isabel, Isaac Martín de Diego | es |
dc.description.abstract | El progreso de la medicina ha sido enorme a lo largo de los últimos tiempos, transitando desde la transmisión de conocimiento por métodos tradicionales como la observación y la experiencia, hasta el advenimiento de la medicina basada en la evidencia, apoyada en estudios clínicos rigurosos. La creciente cantidad de información médica planteó la necesidad de sistemas de gestión de conocimiento efectivos. Con la digitalización, la información médica se ha hecho más accesible, aunque el desafío actual es filtrar y acceder a datos relevantes rápidamente. Esta tesis, fruto de la colaboración entre la empresa Dezzai, la Universidad Rey Juan Carlos (URJC) y el Instituto de Investigación Biomédica de Salamanca (IBSAL), busca enfrentar este desafío. La sinergia entre el ámbito académico y el empresarial se manifiesta en un proyecto que integra investigación y aplicación práctica, con el fin de ayudar a mantener a los profesionales médicos actualizados en sus respectivos campos en el menor tiempo y con la menor interacción posibles. La tesis introduce un asistente de investigación médica basado en conocimiento compuesto por tres componentes que trabajan de manera orquestada:Un estimador de relevancia de artículos médicos, un recomendador de artículos médicos y un asistente conversacional que permite a los usuarios interactuar con los artículos recomendados mediante el uso del lenguaje natural. El estimador de relevancia de artículos médicos utiliza técnicas de aprendizaje automático, lexicones especializados y fuentes de conocimiento externas para filtrar artículos médicos relevantes, mientras que el recomendador de artículos médicos se centra en extraer diagnósticos de registros de salud electrónicos y encontrar artículos científicos relacionados, llegando a un compromiso entre relevancia y similitud semántica. El asistente conversacional mejora la interacción con los artículos recomendados, proporcionando respuestas basadas en la evidencia más reciente y relevante a la vez que ahorra la necesidad de interacción del usuario con sistemas complejos de recuperación de información. En conjunto, estos componentes ofrecen una solución integral para navegar por el extenso volumen de información médica, apoyando tanto la investigación académica como la práctica clínica. Para llevar a cabo esta propuesta, se ha seguido una metodología de trabajo basada en la aplicación de técnicas de ciencia de datos, donde la fase de experimentación y evaluación de cada componente ha contado con la implicación de expertos en el dominio de la medicina de IBSAL, asegurando la máxima rigurosidad en los resultados obtenidos. | es |
dc.identifier.uri | https://hdl.handle.net/10115/32734 | |
dc.language.iso | spa | es |
dc.publisher | Universidad Rey Juan Carlos | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Tecnologías de la Información y las Comunicaciones | es |
dc.title | Sistema de asistencia de investigación médica basado en conocimiento | es |
dc.type | info:eu-repo/semantics/doctoralThesis | es |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- Anexo de documentación por ciudadano__(tesis_doctoral).pdf
- Tamaño:
- 4.81 MB
- Formato:
- Adobe Portable Document Format
- Descripción:
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 2.67 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: