1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Computación

Título :	Identificación de patrones de infecciones respiratorias mediante técnicas de Inteligencia Artificial
Autor :	Peláez Jarrin, Colon Enrique , Director Gómez Tello, Carlos Danilo Veintimilla Altamirano, Guillermo Alejandro
Palabras clave :	Datos clínicos Aprendizaje Automático Predicciones Agrupaciones
Fecha de publicación :	2024
Editorial :	ESPOL.FIEC
Citación :	Gómez Tello, C. D. y Veintimilla Altamirano, G. A. (2024). Identificación de patrones de infecciones respiratorias mediante técnicas de Inteligencia Artificial. [Proyecto Integrador]. ESPOL.FIEC .
Descripción :	El proyecto aborda la identificación y agrupación de patrones en datos clínicos de pacientes menores de edad afectados por infecciones respiratorias, causadas por virus como SARS-COV-2, Influenza A o B y VSR. El objetivo principal es mejorar la eficacia de diagnósticos y tratamientos mediante la aplicación de técnicas de Inteligencia Artificial (IA) y Aprendizaje Automático (AA). Para eso, se realizaron procesos como la extracción de datos, limpieza, selección de características y normalización de estos. Luego, se estableció un modelo basado en IA que permitió la creación de agrupaciones con los datos proporcionados, utilizando el algoritmo K-Medoids. Además, se empleó el modelo ARIMA para predecir tendencias relacionadas con síntomas, palabras clave y diagnósticos a lo largo del tiempo. Adicionalmente, se implementó un prototipo de aplicación web que facilita la visualización de las tendencias y patrones dentro de los datos agrupados, obteniendo así un software útil para los médicos. Los resultados indicaron que se logró generar predicciones e identificar patrones en las agrupaciones alcanzando un grado de confianza de 86.96%. En conclusión, el proyecto proporciona una herramienta que facilita el análisis e identificación de patrones en la sintomatología de infecciones respiratorias de pacientes gracias a la ayuda de algoritmos basados en IA. Palabras Claves: Datos clínicos, Aprendizaje Automático, Predicciones, Agrupaciones
metadata.dc.description.abstractenglish:	This paper aims for the identification and clustering of patterns in clinic data from minor patients affected by respiratory infections, caused by viruses such as SARS-COV-2, Influenza A or B and VSR. The principal objective isto enhance the efficacy of diagnostics and treatments through the application of Artificial Intelligence techniques and Machine Learning. For that, processes such as data extraction, cleaning, feature selection and normalization were carried out. Then, it was established an AI model which allowed the creation of clusters with the data provided, using the K-Medoids algorithm. Furthermore, the ARIMA model was used to predict tendencies related to symptoms, key words and diagnostics through time. Additionally, there was implemented a web application prototype that facilitates the visualization of tendencies and patterns inside the clustered data, thus obtaining useful software for doctors. The results showed that it was possible to generate predictions and identify patterns in the clusters reaching a confidence level of 86.96%. In conclusion, this paper provides a useful tool which facilitates the analysis and identification of patterns in the respiratory infections? symptomatology from patients with the help of AI algorithms. Keywords: Clinic data, Machine Learning, Predictions, Clusters
URI :	http://www.dspace.espol.edu.ec/handle/123456789/62311
metadata.dc.identifier.codigoproyectointegrador:	TECH-379
Aparece en las colecciones:	Tesis de Computación

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.