Predictibilidad en el diagnóstico utilizando Watson de IBM / Predictability in diagnostics using IBM Watson / Previsibilidade em diagnósticos usando IBM Watson
Vive (El Alto)
; 4(10): 86-95, abr. 2021. ilus.
Article
en Es
| LILACS
| ID: biblio-1292862
Biblioteca responsable:
BO138.1
RESUMEN
El presente estudio trata sobre una revisión documental relacionada con la predictibilidad en el diagnóstico utilizando Watson de IBM, el cual tiene como objetivo principal conocer el nivel de predictibilidad en el diagnóstico con Watson de IMB se ha utilizado un diseño no experimental de corte cualitativo donde las técnicas de recolección de datos han sido la revisión documental y el análisis de datos provenientes de estudios realizados por expertos que validan el uso de este tipo de tecnología, de acuerdo a los documentos consultados y en función de la opinión de los expertos se puede referir que la hipótesis planteada "el conocer el nivel de predictibilidad en el diagnóstico utilizando Watson de IMB contribuye a su implementación en el diagnóstico de enfermedades de orden oncológico" se cumple y como parte de algunas de las conclusiones las cuales refiere que el uso de este tipo de tecnología aporta a la prontitud en la generación de diagnósticos más certeros y con un nivel de predictibilidad media alta, al igual que es una oportunidad para el trabajo colaborativo entre profesionales de la salud y representa la necesidad imperante de actualizar sus conocimientos para proporcionar datos de calidad que faciliten una mayor predictibilidad del diagnóstico
ABSTRACT
The present study deals with a documentary review related to the predictability in the diagnosis using IBM Watson, which has as its main objective to know the level of predictability in the diagnosis with IBM Watson. a qualitative non-experimental design has been used where the data collection techniques have been the documentary review and the analysis of data from studies conducted by experts who validate the use of this type of technology, according to the documents consulted and based on the opinion of the experts, it can be stated that the hypothesis knowing the level of predictability in the diagnosis with Watson IMB contributes to its implementation in the diagnosis of oncological diseases is fulfilled and as part of some of the conclusions it is stated that the use of this type of technology contributes to the promptness in the generation of more accurate diagnoses and with a medium-high level of predictability, It is also an opportunity for collaborative work among health professionals and represents the imperative need to update their knowledge in order to provide quality data that facilitate greater diagnostic predictability
RESUMO
O presente estudo trata de uma revisão documental relacionada à previsibilidade no diagnóstico com o Watson da IBM, cujo objetivo principal é conhecer o nível de previsibilidade no diagnóstico com o Watson do IMB. Utilizou-se um desenho qualitativo não experimental onde foi utilizado. as técnicas de coleta de dados foram a revisão documental e a análise de dados de estudos realizados por especialistas que validam o uso desse tipo de tecnologia, de acordo com os documentos consultados e com base na opinião dos especialistas, pode-se referir que o hipótese levantada conhecer o nível de previsibilidade no diagnóstico com o Watson do IMB contribui para sua implementação no diagnóstico de doenças oncológicas é atendida e faz parte de algumas das conclusões que referem que o uso deste tipo de tecnologia contribui para a prontidão na geração de diagnósticos mais precisos e com um nível de pré ditabilidade média-alta, pois é uma oportunidade de trabalho colaborativo entre os profissionais de saúde e representa a necessidade predominante de atualização de conhecimentos para fornecer dados de qualidade que possibilitem maior previsibilidade do diagnóstico.
Palabras clave
Texto completo:
1
Banco de datos:
LILACS
Asunto principal:
Revisión
Tipo de estudio:
Diagnostic_studies
/
Prognostic_studies
/
Qualitative_research
/
Risk_factors_studies
Idioma:
Es
Año:
2021
Tipo del documento:
Article