Examinando por Autor "Urrego Casas, Nathaly"

Seleccione resultados tecleando las primeras letras
Mostrando 1 - 1 de 1
  • PublicaciónAcceso abierto
    Modelo basado en inteligencia artificial conformado a partir de datos capturados a través de un aplicativo WEB para la predicción de escenarios de riesgo relacionados con el bajo peso al nacer.
    (Fundación Universitaria Compensar:, 2023) Urrego Casas, Nathaly; Loaiza Araba, Jhon Diego; Cárdenas Lancheros, Esteban Alejandro; GIIS
    Este proyecto se enfoca en la problemática del bajo peso al nacer (BPN), considerado un grave problema de salud que tiene importantes implicaciones tanto para la salud del recién nacido como para su desarrollo a largo plazo. Por ende, se genera la necesidad de desarrollar un modelo de inteligencia artificial que permita predecir el bajo peso al nacer, brindando beneficios significativos tanto para el bebé como para la madre y la familia en general. Este modelo se aplicará en diversas áreas, incluyendo tecnología, investigaciones en inteligencia artificial, entornos de salud y en comunidades con una alta tasa de BPN. Utilizando datos ingresados, el modelo analizará patrones a través de algoritmos de aprendizaje, en este caso, FastTreeRegression, un componente esencial dentro de la biblioteca de aprendizaje automático de código abierto conocida como ML.NET. Esta técnica ha demostrado una efectividad del 9.841% en el proyecto, para problemas de regresión al predecir valores numéricos de manera eficaz. Además, tiene la capacidad de manejar diversos tipos de datos y adaptarse a diferentes escenarios, considerando una serie de factores definidos, el modelo permitirá prever si el bebé está en riesgo de presentar bajo peso durante la etapa de gestación. Esto, a su vez, facilitará intervenciones tempranas para garantizar un cuidado óptimo durante el embarazo. Al prevenir casos de bajo peso al nacer, se espera reducir la cifra de nacimientos con esta condición y mejorar la salud y el bienestar de los recién nacidos y sus familias