Year: 2018
Type: dissertation
Abstract: Las historias clínicas electrónicas contienen extensa información de gran utilidad en ensayos clínicos a gran escala y en el diagnóstico de pacientes. En este trabajo abordamos el problema de asignar códigos ICD-9 tomando como entrada notas médicas escritas por personal sanitario. Para ello utilizamos el reciente dataset MIMIC-III, construyendo un sistema que facilita el diseño, la implementación y la evaluación de multitud de clasificadores multilabel fundamentados en regresión logística, redes neuronales feedforward y redes neuronales recurrentes. Nuestros resultados son similares a los obtenidos por otros investigadores. Los modelos basados en deep learning resuelven con éxito la tarea de clasificación para las 10 etiquetas ICD-9 más frecuentes.
Author: David Asensio
Language: Spanish
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2953943764
