• español
    • English
    • español
    • English
    JavaScript is disabled for your browser. Some features of this site may not work without it.
    Ver ítem 
    •   TITULA principal
    • Universidad Europea de Madrid
    • Facultad de Ciencias Biomédicas y de la Salud
    • Máster
    • Ver ítem
    •   TITULA principal
    • Universidad Europea de Madrid
    • Facultad de Ciencias Biomédicas y de la Salud
    • Máster
    • Ver ítem

    Recopilación de soluciones de inteligencia artificial con marcado CE en productos sanitarios de clase IIa y IIb bajo la medical device regulacion y evaluación del asistente médico Sycai Medical

    Autor/es: García Dieste, Sergio
    Director/es: Rodríguez Comas, Júlia
    Palabra/s clave: Inteligencia artificial; Radiología; Imagen médica; Algoritmo; Aprendizaje automático
    Titulación: Máster Universitario en Bioinformática
    Fecha de defensa: 2022-11
    Tipo de contenido: TFM
    URI: https://hdl.handle.net/20.500.12880/5113
    Resumen:
    Los objetivos del presente trabajo son recopilar las herramientas de IA de clases IIa y IIb en el mercado que cumplen la regulación de dispositivos médicos MDR (Medical Device Regulacion) y observar los tipos de ensayos a los que han sido sometidas; la posterior elaboración de una base de datos (BD) que contenga estas herramientas; y la comparación en términos de sensibilidad y especificidad con el asistente médico Sycai Medical. Material y métodos: Se llevó a cabo una búsqueda de productos de IA para radiología diagnóstica utilizando la base de datos AI for Radiology de la plataforma Grand Challenge, aplicando filtros para dispositivos médicos de clase IIa o IIb. Además, se buscó incluir datos de ensayos clínicos que involucraran el uso de estas herramientas, utilizando ClinicalTrials.gov y EU Clinical Trials Register como bases de datos de referencia. También, se incluyeron pruebas de concepto con resultados de sensibilidad y especificidad. Resultados: El resultado fue una base de datos que incluía soluciones de IA presentes en el mercado, su fabricante, el tipo de ensayo clínico, el diseño de intervención u observación o el responsable del estudio, entre otros. También se obtuvo una tabla con valores de especificidad y sensibilidad, y se compararon con el asistente médico Sycai Medical. Conclusiones: Existen numerosos algoritmos de inteligencia artificial para la detección de patologías utilizando imágenes radiológicas, que han pasado por ensayos clínicos con diferentes diseños y que presentan valores de especificidad y sensibilidad muy diferentes. Aunque estas herramientas son una realidad en investigaciones clínicas, se necesitan más estudios y una mayor cantidad de datos de entrenamiento para mejorar la precisión y la eficacia de las herramientas de diagnóstico basadas en IA en la detección de patologías para su uso en la práctica clínica real.
    Exportar: Exportar a MendeleyExportar a RefWorksExportar a EndNoteExportar a RISExportar a BibTeX
    Mostrar el registro completo del ítem

    Ficheros en el ítem

    ADOBE PDF
    Nombre: TFM_SergioGarciaDieste.pdf
    Tamaño: 2.455Mb
    Formato: PDF
    Tipo de contenido: TFM

    Colecciones

    • Máster
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    TITULA. Repositorio de Proyectos Fin de titulación

    © Universidad Europea de Madrid - Universidad privada | email: titula_rep@universidadeuropea.es | Todos los derechos reservados

     

     

    Listar

    Todo TITULAComunidades y coleccionesAutores y directoresTítulosPalabras claveTitulacionesEsta colecciónAutores y directoresTítulosPalabras claveTitulaciones

    Información y ayuda

    Preguntas frecuentesBuscar proyectosContacto

    TITULA. Repositorio de Proyectos Fin de titulación

    © Universidad Europea de Madrid - Universidad privada | email: titula_rep@universidadeuropea.es | Todos los derechos reservados