Implementación de buscador de información clínica relevante basado en Inteligencia Artificial: DeepAIMed Decision Making Supportfor AAA
Finalizado
Investigadores principales
- Noelia Alonso Gómez, Hospital Central de la Defensa Gómez Ulla, Madrid.
- Francisco Álvarez Marcos, Hospital Universitario Central de Asturias, Oviedo, Asturias.
- Joaquin de Haro Miralles, Hospital Universitario de Getafe, Getafe, Madrid.
- Melina Vega de Ceniga, Hospital de Galdakao-Usansolo, Galdakao, Bizkaia.
Coordinadores del estudio
- Joaquin de Haro Miralles, Hospital Universitario de Getafe, Getafe, Madrid.
- Línea de Investigación de la RIV: Big Data e Inteligencia Artificial aplicada a la Cirugía Vascular.
Objetivo principal
Desarrollo de un buscador específico de información relevante para la toma de decisiones clínicas en patología aneurismática mediante partnership con la empresa tecnológica MMG, dedicada al desarrollo e innovación a través de la aplicación de Inteligencia Artificial para soluciones en el ámbito eHealthcare.
Centros participantes
MMG Semantic AI analiza 20 millones de documentos clínicos, guías y artículos científicos para dar respuestas concisas y resúmenes a consultas del profesional médico en la práctica diaria. El buscador semántico ha dado respuesta a más de 100.000 consultas profesionales en el último año.
MMG Semantic AI genera resúmenes automáticos, entendiendo y destacando los datos más relevantes dentro de un documento o un conjunto de documentos. La generación de resúmenes puede también condicionarse a una consulta de usuario. De un modo más avanzado, MMG Semantic AI responde a una consulta de usuario con una respuesta única en base a la información existente en múltiples documentos.
El conocimiento interno de los documentos se combina y conecta con otras fuentes de datos en un KnowledgeGraph. Esta representación permite conectar de un modo flexible entidades de distinta naturaleza (usuarios, productos, departamentos, conceptos) para una visión integral de toda su información. El estudio del KnowledgeGraph con Semantic AI permite encontrar patrones profundos en los datos que nos son detectables con otras técnicas tradicionales.
- Proyecto finalizado, realizado en julio 2019-febrero 2020.