Big Data Analysis y Machine Learning en medicina intensiva / Big Data Analysis and Machine Learning in Intensive Care Units
Med. intensiva (Madr., Ed. impr.)
; 43(7): 416-426, oct. 2019. ilus, graf, tab
Artigo
em Espanhol
| IBECS
| ID: ibc-185869
Biblioteca responsável:
ES1.1
Localização: 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
Texto completo:
Disponível
Coleções:
Bases de dados nacionais
/
Espanha
Base de dados:
IBECS
Assunto principal:
Processamento de Linguagem Natural
/
Design de Software
/
Estado Terminal
/
Cuidados Críticos
/
Aprendizado de Máquina
/
Big Data
Limite:
Humanos
Idioma:
Espanhol
Revista:
Med. intensiva (Madr., Ed. impr.)
Ano de publicação:
2019
Tipo de documento:
Artigo
Instituição/País de afiliação:
Harvard Medical School/Estados Unidos
/
Hospital Universitario Clínico San Carlos/España