India
Tipo de documentos
- Base de datos de pacientes
- Información textual en inglés
- Siglas comunes del ámbito de la obstetricia
- Datos personales y clínicos
2 meses
Tecnologías empleadas
- R y Python
- Machine learning, Deep learning
¿Qué resolvemos?
El hospital de Jabalpur necesitaba aumentar la eficiencia de sus recursos y mejorar el servicio de la especilidad de obstetricia, así como ptimizar el manejo de futuras pacientes para aumentar el número de embarazos a término.
¿Cómo lo resolvemos?
Para resolver esta necesidad se realizó un análisis estadístico de una muestra de consultas a pacientes del hospital de Jabalpur. Este análisis sirvió como herramienta para entender la actividad realizada por el equipo de obstetricia.
Para ello se utilizó un conjunto de técnicas de machine learning, como la regresión logística, random forest y un análisis basado en clusters, además de un Procesamiento del Lenguaje Natural en el tratamiento previo de la información.
Los datos eran principalmente textos en inglés, aunque también incluían siglas comunes, pero no homogéneas, del ámbito de la obstetricia. Esto conllevó un profundo tratamiento previo de la información en el que, además del Procesamiento del Lenguaje Natural, contamos con la experiencia de un profesional médico especializado en obstetricia.
¿Qué resultados obtenemos?
Detección de factores de riesgo en el embarazo
Calculadora de la probabilidad de parto a buen término
Clasificación del seguimiento en el embarazo
Clasificación por las caracterísiticas médicas de las pacientes
Estudio de los síntomas relacionados con los diferentes momentos del embarazo
Estudio de los resultados para prevención de partos prematuros
Estamos aquí para ayudarte
Certificada por: