Now showing items 1-9 of 9

Análisis de algoritmos para el agrupamiento de muestras metagenómicas

Escobar Vasco, Adriana María (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2016Ingeniería de Sistemas y Computación, 2016)

Las formas de vida microscópicas se encuentran en todos los lugares y ambientes del planeta, y en su genética se halla información de gran valor para los científicos, sin embargo al tomar una muestra para estudiarlos solo ...
Caracterización neuro-cognitiva y neuro-funcional en pacientes eutímicos con trastorno bipolar tipo i en tratamiento con carbonato de litio y ácido valproico: estudio de corte transversal

Barrera Fernández, Alejandro (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2019Ingeniería de Sistemas y Computación, 2019)

Las imágenes por resonancia magnética funcional son resultado del desarrollo de nuevas tecnologías no invasivas para el diagnóstico de enfermedades neurodegenerativas, con las cuales se obtienen imágenes en tercera dimensión ...
Desarrollo de herramienta web para evaluar la renovación y reposición de tecnologías médicas en instituciones prestadoras de servicios de salud

Aguirre Cardona, Jorge Iván (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2019Ingeniería de Sistemas y Computación, 2019)

En la actualidad determinar en qué momento se debe cambiar un equipo médico es uno de los mayores problemas que enfrentan las instituciones médicas en la administración de sus tecnologías, principalmente porque quienes ...
Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos

Montoya Ramírez, Widerman Stid (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2014Ingeniería de Sistemas y Computación, 2014)

La mayor diversidad genética está presente en las comunidades de microorganismos, el conocer estas especies, sus funciones y diferencias constituye un papel importante para solucionar problemas diversas áreas, como la ...
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos

Gonzalez Mesa, Pablo (Universidad EIAIngeniería de Sistemas y ComputaciónEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia), 2020)

RESUMEN: Sepsis se define como una disfunción orgánica causada por una respuesta desregulada a una infección por parte del paciente. Es una de las causas de muerte más común en pacientes de unidades de cuidados intensivos ...
Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa.

Tobón Osorio, Sandra Liliana (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2019Ingeniería de Sistemas y Computación, 2019)

El riesgo operacional es uno de los factores empresariales que es más se está evaluando en los últimos tiempos, en parte gracias al auge de las firmas aseguradoras que asumen el riesgo ajeno a través de sus pólizas y también ...
Modelo de predicción de sepsis a partir de datos históricos de pacientes en una unidad de cuidados intensivos

González Muñoz, Zuleimi Esteffanny; Merizalde Maya, Pablo (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2019Ingeniería de Sistemas y Computación, 2019)

La creciente disponibilidad de datos y el rápido desarrollo de métodos de análisis de datos, han hecho posible las recientes aplicaciones exitosas de la Inteligencia Artificial en la salud. El uso de estos avances tecnológicos, ...
Optimización de algoritmos de agrupamiento aplicados a metagenómica usando big data

Vanegas Piedrahita, Julián (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2018Ingeniería de Sistemas y Computación, 2018)

En el campo de la metagenómica, está incrementando el uso de la metagenómica balística como proceso de extracción de cadenas de aminoácidos de microorganismos previamente no identificados, basándose en muestras ambientales ...
Simulador virtual de la mecánica respiratoria con interfaz gráfica en realidad virtual

Torres Morales, Juan Diego (Universidad EIAAdministrativa, Financiera, Sistemas y ComputaciónEnvigado (Antioquia, Colombia). Universidad EIA, 2019Ingeniería de Sistemas y Computación, 2019)

El entendimiento del sistema respiratorio es de gran importancia para el adecuado diagnóstico y tratamiento de enfermedades respiratorias. Estrategias de enseñanza y de capacitación del personal médico, como la simulación ...

Envíos recientes

Análisis de algoritmos para el agrupamiento de muestras metagenómicas
...
Bonet Cruz, Isis | 2016

Las formas de vida microscópicas se encuentran en todos los lugares y ambientes del planeta, y en su genética se halla información de gran valor para los científicos, sin embargo al tomar una muestra para estudiarlos solo se logra aislar y cultivar menos del 1% de ellos. La metagenómica nace con el fin de estudiar el otro 99% de la muestra y de descubrir más acerca de estas comunidades. El objetivo de la metagenómica es la secuenciación y el análisis de los genes contenidos en los cromosomas de microorganismos, esfuerzos en los cuales se enfoca el presente proyecto. Para la realización del proyecto se utiliza el programa weka y el algoritmo k-means, implementado en una versión iterativa que utiliza la distancia coseno o euclidiana dependiendo del criterio del experto. Además utiliza cómo parámetro las distancias entre los clústeres para escoger los mejores y optimizar los resultados de la segunda iteración. Con en desarrollo de este proyecto se llega a la conclusión que el k-means iterativo es una mejora al k-means, optimizando los resultados y encontrando clústeres más puros. También se encuentra que los resultados obtenidos con la función de distancia coseno son mejores que aquellos obtenidos con la función euclidiana y que el mejor atributo para describir las distancias es el 4-mer.

LEER
Caracterización neuro-cognitiva y neuro-funcional en pacientes eutímicos con trastorno bipolar tipo i en tratamiento con carbonato de litio y ácido valproico: estudio de corte transversal
...
Bonet Cruz, Isis | 2019

Las imágenes por resonancia magnética funcional son resultado del desarrollo de nuevas tecnologías no invasivas para el diagnóstico de enfermedades neurodegenerativas, con las cuales se obtienen imágenes en tercera dimensión que al tener en cuenta el tiempo las convierte en cuarta dimensión. Dentro de los trastornos mentales, la bipolaridad es uno de los más comunes y persistentes, con una prevalencia de hasta el 7% de la población mundial. La bipolaridad tipo I, es una enfermedad mental grave debido a su prevalencia en la población, el grado de incapacidad que produce y su difícil diagnóstico. El trastorno ha sido estudiado con estas imágenes cerebrales, sin embargo, los métodos para analizarlas son ineficaces, costosos y complejos, por lo que el objetivo es explorar el uso de métodos paramétricos y no paramétricos para obtener mejores resultados con el fin de entender mejor la enfermedad y los efectos de su tratamiento. En este trabajo se procesan y analizan imágenes de resonancia magnética funcional para estudiar pacientes con bipolaridad tipo I. Para esto se analizaron 4 grupos de pacientes eutímicos. Tres de los grupos son pacientes que tienen la enfermedad: uno de pacientes que no están tomando medicamentos, otro que están tomando litio y otro que están tomando ácido valproico, y un último grupo de control con pacientes que no presentan la enfermedad. Con los cuatro grupos se realizó el mismo experimento, donde el paciente tenía que memorizar palabras relacionadas y no relacionas, para luego recordarlas, en intervalos de tiempo de 30 segundos de tarea y 30 segundos de descanso. Durante todo este proceso se tomaron imágenes de resonancia magnética. El objetivo del trabajo es determinar las regiones de activación del cerebro, donde se buscan diferencias y semejanzas entre los diferentes grupos del experimento. El procedimiento de análisis de las imágenes necesita una primera etapa de preprocesamiento de las imágenes donde ser realiza realineamiento, coregistro, normalización y suavizado. Posteriormente se diseña la especificación del modelo donde se representan las condiciones del experimento. Esta especificación del modelo se hace para cada paciente individualmente y para los grupos, con el fin de posteriormente realizar el análisis estadístico entre grupos y encontrar similitudes o diferencias. Existen muchos métodos estadísticos para el análisis de los grupos. Aunque históricamente los más usados fueron métodos paramétricos, en la actualidad se presenta un reto en explorar el uso de métodos no paramétricos con el fin de arrojar resultados más exactos. En este trabajo se realizan las pruebas tanto con métodos paramétrico, como con no paramétricos, para comparar las diferencias en estos métodos. Los resultados, tanto con pruebas paramétricas, como con las no paramétricas, muestran que hay diferencias significativas entre los 4 grupos. Se puede observar que las activaciones que los diferencias están en diferentes regiones del cerebro, lo cual puede llevar a un futuro estudio neuropsicológico de estas regiones y su asociación con cada grupo.

LEER
Desarrollo de herramienta web para evaluar la renovación y reposición de tecnologías médicas en instituciones prestadoras de servicios de salud
...
Bonet Cruz, Isis | 2019

En la actualidad determinar en qué momento se debe cambiar un equipo médico es uno de los mayores problemas que enfrentan las instituciones médicas en la administración de sus tecnologías, principalmente porque quienes usan los equipos siempre quieren la última tecnología, incluso cuando la que tienen es funcional y quienes los compran siempre quieren que un equipo dure más de lo que debe aun cuando ya el equipo es obsoleto. En este trabajo se implementa una aplicación web que busca una forma fácil en que los usuarios puedan llegar a la conclusión de cuándo cambiar un equipo médico de forma objetiva. Para esto se utilizó como base un estudio preliminar que lo hace a través del análisis jerárquico. El método de trabajo para desarrollar esta aplicación fue una adaptación de la metodología Scrum, en la cual se busca la agilidad de esta metodología. Debido a que la metodología original es para equipos de desarrollo y este trabajo sólo tenía un desarrollo se realizó una modificación de esta. Al final se logró llegar a una aplicación sostenible y escalabre que soluciona el problema y ayuda a los usuarios a determinar en qué momento se debe hacer el cambio de un equipo médico de forma objetiva.

LEER
Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos
...
Bonet Cruz, Isis | 2014

La mayor diversidad genética está presente en las comunidades de microorganismos, el conocer estas especies, sus funciones y diferencias constituye un papel importante para solucionar problemas diversas áreas, como la salud, la alimentación y el medio ambiente. El método tradicional para realizar este tipo de investigaciones consiste en aislar el microorganismo de una muestra del entorno y así estudiar su constitución genética, sin embargo menos del 1% de los microorganismos pueden ser aislados y cultivados en los laboratorios. Gracias a las técnicas de secuenciación modernas cada vez más accesibles surge la metagenómica proponiendo una alternativa para poder estudiar el otro 99%. La metagenómica se encarga de estudiar la secuenciación de una muestra del entorno para descubrir a qué organismos pertenecen los fragmentos secuenciados. Sin embargo el problema radica en que los procesos necesarios para identificar el tipo de organismos en la muestra demandan mucho tiempo y recursos computacionales. En este trabajo se utilizan diferentes algoritmos de inteligencia artificial para agrupar los fragmentos de secuencias según su similitud en conjuntos puros, es decir, conjuntos cuyos fragmentos pertenezcan a un solo organismo o a un mismo grupo taxonómico de organismos. Además se propone un nuevo algoritmo que se basa en la aplicación del k-means de manera iterativa perfeccionando los grupos según la distancia entre ello. Se compararon los resultados con métodos de agrupamientos clásicos y se comprobó que con este último método se obtienen grupos más puros. Este resultado ayuda a que los procesos de ensamblado o de comparación serán más eficientes y rápidos, debido a que se tiene como entrada inicial una muestra más condensada y uniforme, disminuyendo el tiempo y los recursos consumidos durante los proyectos metagenómicos, al mismo tiempo que pueden realizarse de una forma más enfocada.

LEER
Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos
...
Bonet Cruz, Isis | 2020

RESUMEN: Sepsis se define como una disfunción orgánica causada por una respuesta desregulada a una infección por parte del paciente. Es una de las causas de muerte más común en pacientes de unidades de cuidados intensivos en todo el mundo, lo que lo convierte en una problemática de gran importancia. La detección temprana de este síndrome es de gran importancia a la hora tratar a los pacientes efectivamente. En este trabajo se propone un modelo de inteligencia artificial para la identificación temprana y predicción de sepsis utilizando la base de datos MIMIC y adaptando los resultados a los datos de una institución local de salud. Se realizaron pruebas con múltiples modelos y parámetros de estos. El mejor resultado para la identificación temprana de sepsis fue el resultado de hacer un modelo multiclasificador con diferentes rasgos para los clasificadores, en este caso se usaron un kNN y un XGBoost y utilizar sus resultados como las entradas de una regresión logística. Éste tuvo un AUROC de 0.944. Para predicción de sepsis se propuso un modelo XGBoost capaz de predecir 1, 2 y 3 horas de anticipación con métricas de 0.918, 0.912 y 0.908 respectivamente.

LEER
Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa.
...
Bonet Cruz, Isis | 2019

El riesgo operacional es uno de los factores empresariales que es más se está evaluando en los últimos tiempos, en parte gracias al auge de las firmas aseguradoras que asumen el riesgo ajeno a través de sus pólizas y también con el fin de evadirlo, disminuirlo o aceptarlo. Aunque los métodos para medir el riesgo operacional se establecieron hace menos de 20 años con Basilea II, ya es evidente que hay ciertos problemas al calcular el capital por riesgo operacional con estos. Uno de los problemas principales se encuentra a la hora de integrar los escenarios empleando el método AMA, para el cálculo del capital por riego operacional. La razón de esta problemática, radica en el tipo de dato que son los escenarios, pues ellos se caracterizan por su incertidumbre tanto en el costo que le pueden generar a la empresa, como en el periodo de tiempo en que puedan suceder. Igualmente, la cantidad de estos datos es mínima, ya que provienen de la opinión de expertos y no de una recolección histórica. Por esta razón estudiarlos con métodos que son idóneos para datos que siguen determinado orden, no es lo ideal y puede generar como resultado requerimientos de capital erróneos por riesgo operacional. En el presente trabajo de grado, se aplica la lógica difusa para el estudio de los escenarios, con el fin de integrarlos de la manera adecuada a los requerimientos de capital por riesgo operacional. Aunque los requerimientos de capital que se obtienen son 4 veces mayor a los que se originan al integrar los escenarios con el método tradicional, la realidad ha demostrado que los métodos originalmente empleados por Basilea II, no fueron lo suficientemente acertados al calcular el capital por riesgo operacional, razón por la cual Basilea III invita a utilizar un nuevo método con el cual el capital por riesgo operacional es mayor. Por lo cual los resultados de este proyecto podrían ser adecuados.

LEER
Modelo de predicción de sepsis a partir de datos históricos de pacientes en una unidad de cuidados intensivos
...
Bonet Cruz, Isis | 2019

La creciente disponibilidad de datos y el rápido desarrollo de métodos de análisis de datos, han hecho posible las recientes aplicaciones exitosas de la Inteligencia Artificial en la salud. El uso de estos avances tecnológicos, permiten ayudar en los diferentes procesos de las instituciones de salud como en la predicción y diagnóstico de enfermedades. Dentro de estas, la sepsis es considerada como una afección con alta tasa de mortalidad especialmente en las unidades de cuidados intensivos. Esta afección, puede llegar a ser muy grave debido a las diferentes maneras de manifestarse, lo que dificulta su diagnóstico. La verificación de algunas variables generales inflamatorias, permiten indicar la letalidad de la infección. Actualmente, lo más común es el uso de indicadores como: SOFA, qSOFA y SAPS-II para predecir la posibilidad de sepsis, ya que ésta está muy ligada a la mortalidad. Aunque, en países desarrollados ya se están usando métodos basados en datos históricos con algoritmos de inteligencia artificial para poder hacer una predicción temprana. En el presente trabajo se analizaron los datos almacenados en la base de datos libre MIMIC-III, la cual contiene información de pacientes admitidos en la unidad de cuidados intensivos de The Beth Israel Deaconess Medical Center en Boston, Massachusetts. Se usaron una serie de variables clínicas de los pacientes, las cuales se pasaron por unas reglas duras que generan un valor numérico o probabilidad que se relaciona con la severidad del padecimiento. Las variables elegidas, corresponden a las que se utilizan en los indicadores mencionados para poder predecir la existencia o no de sepsis y la mortalidad de los pacientes. Por lo que el objetivo del trabajo es realizar un modelo de predicción de sepsis temprana, utilizando métodos de inteligencia artificial y compararlos con loa diferentes indicadores para el diagnóstico de esta afección. El procedimiento realizado, se basó en la metodología CRISP-DM, donde se inició con la obtención de los datos, se realizó un análisis de calidad de estos, se procedió a seleccionar las variables de los indicadores mencionados, se realizó una limpieza de estos datos y se obtuvo la vista única, la cual fue utilizada para entrenar clasificadores supervisados seleccionados: árbol de decisiones, KNN, naive bayes, red neuronal y máquinas de vector soporte. Para esta clasificación, se dividieron primero los datos en datos de aprendizaje y validación, se implementaron los modelos, y por último se corroboraron los resultados, eligiendo los mejores modelos y comparando los algoritmos entre sí, por medio de la evaluación de métricas utilizando validación cruzada. Los resultados indicaron que los modelos de machine learning y deep learning implementados, son capaces de igualar e incluso mejorar las predicciones de los modelos de reglas duras, rompiendo los paradigmas y sirviendo como un apoyo en la toma de decisiones de los profesionales de la salud.

LEER
Optimización de algoritmos de agrupamiento aplicados a metagenómica usando big data
...
Bonet Cruz, Isis | 2018

En el campo de la metagenómica, está incrementando el uso de la metagenómica balística como proceso de extracción de cadenas de aminoácidos de microorganismos previamente no identificados, basándose en muestras ambientales de diversas fuentes. Estas cadenas de aminoácidos, debido al proceso de extracción, son separadas en subcadenas de tamaños variables que luego buscan ser comparadas e identificadas con una base de datos para no sólo determinar qué especies ya reconocidas habitan en las muestras tomadas, sino también qué porciones de estas secuencias de aminoácidos no han sido previamente categorizadas. En búsqueda de que este método de identificación produzca mayores resultados, se usan algoritmos de agrupamiento como facilitadores en el proceso de identificación de las diferentes especies. Estos algoritmos agrupan secuencias de aminoácidos que tienen cierto grado de similitud, produciendo clústeres de subcadenas, para que luego estos puedan ser comparados en grupo y ser más rápidamente analizadas. Con el objetivo de mejorar los tiempos de ejecución, se usaron plataformas como Apache Spark y TensorFlow, que dentro de sus librerías incluyen implementaciones nativas de estos algoritmos de agrupamiento. A partir de estas librerías se implementó el K-means iterativo que fue usado como punto de comparación. En los resultados se puede apreciar que el uso de K-means Iterativo mejora la pureza comparado con la alternativa de una sola iteración, para el caso de uso de una base de metagenómica usando los 4mer como rasgos, y usando el coseno como distancia. Debido a este último punto, y a que la implementación de Apache Spark de K-means no tiene la distancia coseno, se utilizó TensorFlow principalmente para la toma de resultados. El uso de TensorFlow muestra una mejora en general de tiempos de ejecución, siendo mucho más significativa en el caso de K-means Iterativo, teniendo como desventaja que requiere mucho más poder de procesamiento.

LEER
Simulador virtual de la mecánica respiratoria con interfaz gráfica en realidad virtual
...
Bonet Cruz, Isis | 2019

El entendimiento del sistema respiratorio es de gran importancia para el adecuado diagnóstico y tratamiento de enfermedades respiratorias. Estrategias de enseñanza y de capacitación del personal médico, como la simulación de casos clínicos y el uso de software para la visualización de la anatomía y la fisiología del sistema respiratorio, se emplean para afianzar los conocimientos clínicos. Los ventiladores mecánicos son máquinas que ayudan a que un paciente respire cuando éste no puede hacerlo por sí mismo, y en muchas ocasiones se usan para tratar enfermedades pulmonares. El uso correcto de estos puede disminuir la mortalidad de personas con afectaciones respiratorias, reducir el tiempo que los pacientes están en las unidades de cuidados intensivos y disminuir los costos hospitalarios; pero un error en la configuración de los parámetros de los respiradores podía afectar la vida del paciente. Es por esto que es tan importante una herramienta que ayude a los médicos a estimar los parámetros de los ventiladores, de una manera personalizada, según las características de cada paciente. Este trabajo presenta un simulador virtual de la mecánica respiratoria, que cuenta con una interfaz gráfica y con modelos tridimensionales del sistema respiratorio que se puede ejecutar en entornos de cómputo tradicionales y en realidad virtual. El simulador se integra con dos modelos numéricos de la mecánica respiratoria: el modelo lineal de un solo compartimiento y el modelo no lineal de N-compartimentos, los cuales usa para describir el comportamiento del volumen y el flujo del sistema respiratorio para un sujeto intubado a un ventilador mecánico. Finalmente, el programa cuenta con un algoritmo de aprendizaje reforzado con el que se estima la presión ideal en la vía aérea para un paciente intubado. El simulador desarrollado es una herramienta computacional que puede ser usada para la investigación, el desarrollo, y la educación y entrenamiento del personal médico. Permite evaluar y afianzar los conocimientos de las propiedades más importantes de la mecánica respiratoria por medio de la simulación.

LEER

‹›

Biblioteca Universidad Escuela Ingenieros de Antioquia

Sede de Las Palmas: Km 2 + 200 Vía al Aeropuerto José María Córdova Envigado, Colombia. Código Postal: 055428
Tel:(+57) 4 354 40 00, ext. 248
biblioteca_ueia@eia.edu.co

Sistema Dspace - Metabiblioteca |

Browsing by Author "Bonet Cruz, Isis"

Análisis de algoritmos para el agrupamiento de muestras metagenómicas ﻿

Caracterización neuro-cognitiva y neuro-funcional en pacientes eutímicos con trastorno bipolar tipo i en tratamiento con carbonato de litio y ácido valproico: estudio de corte transversal ﻿

Desarrollo de herramienta web para evaluar la renovación y reposición de tecnologías médicas en instituciones prestadoras de servicios de salud ﻿

Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos ﻿

Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos ﻿

Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa. ﻿

Modelo de predicción de sepsis a partir de datos históricos de pacientes en una unidad de cuidados intensivos ﻿

Optimización de algoritmos de agrupamiento aplicados a metagenómica usando big data ﻿

Simulador virtual de la mecánica respiratoria con interfaz gráfica en realidad virtual ﻿

Envíos recientes

Análisis de algoritmos para el agrupamiento de muestras metagenómicas

Caracterización neuro-cognitiva y neuro-funcional en pacientes eutímicos con trastorno bipolar tipo i en tratamiento con carbonato de litio y ácido valproico: estudio de corte transversal

Desarrollo de herramienta web para evaluar la renovación y reposición de tecnologías médicas en instituciones prestadoras de servicios de salud

Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos

Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos

Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa.

Modelo de predicción de sepsis a partir de datos históricos de pacientes en una unidad de cuidados intensivos

Optimización de algoritmos de agrupamiento aplicados a metagenómica usando big data

Simulador virtual de la mecánica respiratoria con interfaz gráfica en realidad virtual

Biblioteca Universidad Escuela Ingenieros de Antioquia

Análisis de algoritmos para el agrupamiento de muestras metagenómicas

Caracterización neuro-cognitiva y neuro-funcional en pacientes eutímicos con trastorno bipolar tipo i en tratamiento con carbonato de litio y ácido valproico: estudio de corte transversal

Desarrollo de herramienta web para evaluar la renovación y reposición de tecnologías médicas en instituciones prestadoras de servicios de salud

Exploración y comparación de métodos de inteligencia artificial para la clasificación taxonómica en análisis metagenómicos

Identificación temprana y predicción de sepsis en pacientes de UCI a partir de datos fisiológicos

Manejo de escenarios a la hora de calcular el capital de riesgo operacional, aplicando inteligencia borrosa.

Modelo de predicción de sepsis a partir de datos históricos de pacientes en una unidad de cuidados intensivos

Optimización de algoritmos de agrupamiento aplicados a metagenómica usando big data

Simulador virtual de la mecánica respiratoria con interfaz gráfica en realidad virtual