Your browser doesn't support javascript.
loading
Big Data Analysis y Machine Learning en medicina intensiva / Big Data Analysis and Machine Learning in Intensive Care Units
Núñez Reiz, A; Armengol de la Hoz, MA; Sánchez García, M.
Affiliation
  • Núñez Reiz, A; Hospital Universitario Clínico San Carlos. Servicio de Medicina Intensiva. Madrid. España
  • Armengol de la Hoz, MA; Harvard Medical School. Beth Israel Deaconess Medical Center. Department of Anesthesia, Critical Care and Pain Medicine. Boston. Estados Unidos
  • Sánchez García, M; Hospital Universitario Clínico San Carlos. Servicio de Medicina Intensiva. Madrid. España
Med. intensiva (Madr., Ed. impr.) ; 43(7): 416-426, oct. 2019. ilus, graf, tab
Article in Es | IBECS | ID: ibc-185869
Responsible library: ES1.1
Localization: BNCS
RESUMEN
La gran cantidad de información que se procesa informáticamente en el entorno de la medicina intensiva la convierte en un campo ideal para el empleo de técnicas conocidas como Big Data Analysis (BDA) y Machine Learning (ML), que pueden permitir en el futuro mejorar nuestra capacidad de investigación clínica y dirigir de manera más precisa las terapias que proporcionamos a nuestros pacientes. En este artículo se revisan los conceptos fundamentales sobre BDA y ML, y se estudian sus posibles aplicaciones al ámbito de la medicina intensiva, desde un punto de vista del clínico. También se plantean potenciales estrategias para sacar el máximo partido a estas tecnologías emergentes, incluyendo la aparición de un nuevo tipo de profesional sanitario encargado de actuar como enlace entre la parte clínica y la ingeniería de datos
ABSTRACT
Intensive care is an ideal environment for the use of Big Data Analysis (BDA) and Machine Learning (ML), due to the huge amount of information processed and stored in electronic format in relation to such care. These tools can improve our clinical research capabilities and clinical decision making in the future. The present study reviews the foundations of BDA and ML, and explores possible applications in our field from a clinical viewpoint. We also suggest potential strategies to optimize these new technologies and describe a new kind of hybrid healthcare-data science professional with a linking role between clinicians and data
Subject(s)

Full text: 1 Collection: 06-national / ES Database: IBECS Main subject: Natural Language Processing / Software Design / Critical Illness / Critical Care / Machine Learning / Big Data Limits: Humans Language: Es Journal: Med. intensiva (Madr., Ed. impr.) Year: 2019 Document type: Article

Full text: 1 Collection: 06-national / ES Database: IBECS Main subject: Natural Language Processing / Software Design / Critical Illness / Critical Care / Machine Learning / Big Data Limits: Humans Language: Es Journal: Med. intensiva (Madr., Ed. impr.) Year: 2019 Document type: Article