Soto Urdaneta, Jaime ErnestoBriñez de León, Juan CarlosJaner Acevedo, Jaime Eduardo2025-06-102025-06-102024https://repositorio.pascualbravo.edu.co/handle/pascualbravo/2809El desarrollo de un prototipo que tenga la capacidad de realizar un diagnóstico temprano de neumonía a través de imágenes diagnósticas de rayos x de tórax utilizando algoritmos de aprendizaje automático, tiene el potencial de mejorar significativamente la atención médica y los resultados para los pacientes. Al permitir una detección temprana y/o un pre-diagnóstico, este prototipo podría ayudar a que hospitales de localidades donde no existen especialistas disponibles, puedan tener acceso oportuno al estado de salud de sus pacientes, reducir la carga de enfermedad, las complicaciones y las tasas de mortalidad asociadas a la Neumonía. La aplicación de técnicas de aprendizaje automático en el campo de la medicina, representa un avance tecnológico significativo. El desarrollo de modelos de aprendizaje automático específicamente diseñados para problemas de salud, puede abrir nuevas oportunidades para la innovación en la atención médica, facilitando la automatización de tareas clínicas, la personalización del tratamiento y la optimización de los recursos sanitarios. Este proyecto contribuirá al avance del conocimiento en el campo del aprendizaje automático aplicado a la medicina. Al abordar los desafíos específicos asociados con la predicción de problemas pulmonares como la neumonía, se podrán desarrollar y validar metodologías y técnicas que puedan ser aplicables a otros problemas de salud.application/pdfspahttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/closedAccesshttp://purl.org/coar/resource_type/c_7a1fAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)PneumoniaRespiratory diseasesAlgoritmos de aprendizaje automáticoNeumoníaEnfermedades respiratoriasRayos X