{"id":34684,"date":"2022-11-08T09:15:29","date_gmt":"2022-11-08T15:15:29","guid":{"rendered":"https:\/\/saluddigital.com\/?p=34684"},"modified":"2025-10-20T09:39:10","modified_gmt":"2025-10-20T15:39:10","slug":"investigadores-desarrollan-sistema-de-aprendizaje-automatico-para-detectar-problemas-de-salud-publica","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/investigadores-desarrollan-sistema-de-aprendizaje-automatico-para-detectar-problemas-de-salud-publica\/","title":{"rendered":"Investigadores desarrollan sistema de aprendizaje autom\u00e1tico para detectar problemas de salud p\u00fablica"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores de diversos laboratorios y universidades de Estados Unidos han desarrollado un sistema de aprendizaje autom\u00e1tico para la detecci\u00f3n de nuevas amenazas de salud p\u00fablica.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de Machine Learning for Good Laboratory (ML4G) de New York University, Carnegie Mellon University, y del Departamento de Salud e Higiene Mental de la ciudad de Nueva York, desarrollaron un sistema de aprendizaje automatizado que permitir\u00e1 detectar problemas y amenazas de salud p\u00fablica nunca antes detectadas a trav\u00e9s de diversas enfermedades.<\/p>

Actualmente, los sistemas automatizados utilizan la vigilancia sindr\u00f3mica, una herramienta para vigilar la aparici\u00f3n de brotes epid\u00e9micos en \u00e1reas de riesgo elevado de brotes de enfermedades con signos y s\u00edntomas similares. No obstante, este tipo de vigilancia no logra identificar amenazas nuevas, ya que su utilidad es justamente para detectar amenazas que ya se han presentado en entornos espec\u00edficos.<\/p>

\u201cLos sistemas existentes son buenos para detectar brotes de enfermedades que ya conocemos y que estamos buscando activamente, como la gripe o el COVID\u201d, dijo el Dr. Daniel B. Neill, director del ML4G. La propuesta del laboratorio es utilizar la vigilancia \u201cpresindr\u00f3mica\u201d, ya que proporciona una red de seguridad para identificar amenazas emergentes que otros sistemas no pueden hacer.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El sistema desarrollado por el ML4G permitir\u00eda a tomadores de decisiones y funcionarios de salud p\u00fablica atender r\u00e1pida y efectivamente nuevas amenazas emergentes o inusuales. Para ello utilizar\u00edan datos digitales sobre las condiciones de los pacientes. Esto se distingue de los sistemas actuales que clasifican los casos seg\u00fan enfermedades existentes. Y al clasificarlos en un sistema presindr\u00f3mico podr\u00eda favorecer a la detecci\u00f3n de enfermedades emergentes.<\/p>

El laboratorio desarroll\u00f3 esta soluci\u00f3n a trav\u00e9s de la Exploraci\u00f3n sem\u00e1ntica multidimensional (MUSES, en ingl\u00e9s), la cual ofrece avances a instituciones de salud p\u00fablica y hospitales. Esta herramienta fue entrenada a trav\u00e9s de datos an\u00f3nimos sobre visitas al departamento de emergencias, el sistema utiliza las quejas para analizar las palabas o frases utilizadas por los pacientes.<\/p>

Es decir, a trav\u00e9s del an\u00e1lisis de contenido de las quejas y comentarios de pacientes, ser\u00eda posible la detecci\u00f3n potencial de enfermedades. De igual manera MUSES puede analizar comentarios de profesionales de la salud para la reducci\u00f3n de falsos positivos y mejorar la toma de decisiones.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

HEALTH IT ANALYTICS<\/strong><\/p>

https:\/\/healthitanalytics.com\/news\/predictive-analytics-optimizes-infectious-disease-surveillance<\/a><\/p>

PAHO<\/strong><\/p>

https:\/\/www3.paho.org\/spanish\/ad\/dpc\/cd\/Redes-eer-Atlanta2002-5.pdf<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores de diversos laboratorios y universidades de Estados Unidos han desarrollado un sistema de aprendizaje autom\u00e1tico para la detecci\u00f3n de nuevas amenazas de salud p\u00fablica. Investigadores de Machine Learning for Good Laboratory (ML4G) de New York University, Carnegie Mellon University, y del Departamento de Salud e Higiene Mental de la ciudad de Nueva York, desarrollaron un sistema de aprendizaje automatizado que permitir\u00e1 detectar problemas y amenazas de salud p\u00fablica nunca antes detectadas a trav\u00e9s de diversas enfermedades. Actualmente, los sistemas automatizados utilizan la vigilancia sindr\u00f3mica, una herramienta para vigilar la aparici\u00f3n de brotes epid\u00e9micos en \u00e1reas de riesgo elevado de brotes de enfermedades con signos y s\u00edntomas similares. No obstante, este tipo de vigilancia no logra identificar amenazas nuevas, ya que su utilidad es justamente para detectar amenazas que ya se han presentado en entornos espec\u00edficos. \u201cLos sistemas existentes son buenos para detectar brotes de enfermedades que ya conocemos y que estamos buscando activamente, como la gripe o el COVID\u201d, dijo el Dr. Daniel B. Neill, director del ML4G. La propuesta del laboratorio es utilizar la vigilancia \u201cpresindr\u00f3mica\u201d, ya que proporciona una red de seguridad para identificar amenazas emergentes que otros sistemas no pueden hacer. El sistema desarrollado por el ML4G permitir\u00eda a tomadores de decisiones y funcionarios de salud p\u00fablica atender r\u00e1pida y efectivamente nuevas amenazas emergentes o inusuales. Para ello utilizar\u00edan datos digitales sobre las condiciones de los pacientes. Esto se distingue de los sistemas actuales que clasifican los casos seg\u00fan enfermedades existentes. Y al clasificarlos en un sistema presindr\u00f3mico podr\u00eda favorecer a la detecci\u00f3n de enfermedades emergentes. El laboratorio desarroll\u00f3 esta soluci\u00f3n a trav\u00e9s de la Exploraci\u00f3n sem\u00e1ntica multidimensional (MUSES, en ingl\u00e9s), la cual ofrece avances a instituciones de salud p\u00fablica y hospitales. Esta herramienta fue entrenada a trav\u00e9s de datos an\u00f3nimos sobre visitas al departamento de emergencias, el sistema utiliza las quejas para analizar las palabas o frases utilizadas por los pacientes. Es decir, a trav\u00e9s del an\u00e1lisis de contenido de las quejas y comentarios de pacientes, ser\u00eda posible la detecci\u00f3n potencial de enfermedades. De igual manera MUSES puede analizar comentarios de profesionales de la salud para la reducci\u00f3n de falsos positivos y mejorar la toma de decisiones. BIBLIOGRAF\u00cdA HEALTH IT ANALYTICS https:\/\/healthitanalytics.com\/news\/predictive-analytics-optimizes-infectious-disease-surveillance OPS https:\/\/www3.paho.org\/spanish\/ad\/dpc\/cd\/Redes-eer-Atlanta2002-5.pdf<\/p>","protected":false},"author":1,"featured_media":34693,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-34684","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/34684","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=34684"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/34684\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/34693"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=34684"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=34684"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=34684"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}