Salud y medicina
Inteligencia Artificial-2
Artificial Intelligence and Suicide Prevention: A Systematic Review of Machine Learning Investigations
Inteligencia artificial y prevención del suicidio: una revisión sistemática de las investigaciones sobre aprendizaje automático
El suicidio es una de las principales causas de muerte que desafía la predicción y representa un reto en términos de prevención. La inteligencia artificial (IA) y el aprendizaje automático (ML) son una opción para investigar conjuntos de datos numerosos y optimizar la detección de riesgos. Este artículo presenta una investigación de ML que evalúa las conductas suicidas por medio de diferentes métodos. Los resultados sugieren altos niveles de precisión de la clasificación del riesgo (>90) y del área bajo la curva en la predicción de conductas suicidas. Las aplicaciones de IA y ML ofrecen una promesa para implementar la medicina de precisión en la prevención del suicidio. Los autores destacan que estos métodos pueden ser cruciales para la detección precoz del riesgo de suicidio, el triaje y el desarrollo de tratamientos, con importantes precauciones metodológicas y estadísticas.
Este documento es un articulo elaborado por Rebecca A. Bernert, Amanda M. Hilberg, Ruth Melia, Jane Paik Kim, Nigam H. Shah y Freddy Abnousi (Universidad de Stanford, Universidad de Yale, Estados Unidos de América y Universidad Nacional de Irlanda, Irlanda) para la revista International Journal of Environmental Research and Public Health Vol. 17 Núm. 16. Publicación de MDPI. Contacto: [email protected]
Artificial Intelligence-Based Diagnosis of Diabetes Mellitus: Combining Fundus Photography with Traditional Chinese Medicine Diagnostic Methodology
Diagnóstico de diabetes mellitus basado en inteligencia artificial: combinación de fotografía del fondo de ojo con metodología de diagnóstico de la medicina tradicional china
Este artículo presenta una técnica novedosa para diagnosticar la diabetes tipo 1 y tipo 2 de forma rápida y no invasiva, utilizando un equipo fácil de transportar. La diabetes mellitus puede diagnosticarse mediante métodos convencionales que requieren datos clínicos difíciles de obtener en un entorno con pocos recursos médicos. La metodología propuesta combina un análisis de la fotografía del fondo del ojo con las características físicas y fisiológicas de la lengua y el pulso del paciente, utilizadas en la medicina tradicional china. Se utilizó un algoritmo de bosque aleatorio para analizar datos, y las puntuaciones de exactitud, precisión y recuperación para la clasificación correcta de la diabetes. Esta técnica ofrece un nuevo enfoque para el diagnóstico de la diabetes en regiones que carecen de recursos médicos.
Este documento es un articulo elaborado por Yang Xiang, Lai Shujin, Chang Hongfang, Wen Yinping, Yu Dawei, Dong Zhou y Li Zhiqing (Universidad de Medicina China de Pekín, EVision Technology, Universidad Médica de Tianjin y Tianjin Aier Eye Hospital, China) para la revista BioMed Research International Vol. 2021. Publicación de Hindawi. Contacto: [email protected]
