Sistema basado en conocimiento para el apoyo diagnóstico de preeclampsia mediante ecografías genéticas en pacientes del consultorio médico ECOMUJER

• Autor: Celis Cumpa, Kevin Roldan
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica Santo Toribio de Mogrovejo
• Repositorio: USAT-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.usat.edu.pe:20.500.12423/7736
• Enlace del recurso: http://hdl.handle.net/20.500.12423/7736
• Nivel de acceso: acceso abierto
• Materia: Tecnología de la información; Inteligencia artificial; Salud pública; Information Technology; Artificial intelligence; Public health; http://purl.org/pe-repo/ocde/ford#2.02.04

El presente trabajo de investigación demuestra que un Sistema basado en Conocimiento (SBC), implementado gracias a un modelado de Machine Learning ha dado solución a una problemática de identificación de Preeclampsia en un consultorio médico de la ciudad de Chiclayo, brindado relevantes aportes tales como identificar la enfermedad presentada, gestionar la información de esta, considerar un tratamiento médico de calidad y reducción de tiempos para presentar dicho diagnóstico, brindando también una solución a la baja sensibilidad y especificidad en los diagnósticos que se tiene constantemente en ecografías genéticas a nivel nacional, este sistema basado en conocimiento se implementó mediante la metodología de programación XP, integrada con métodos o técnicas de inteligencia artificial, la propuesta web se implementó mediante HTML y Bootstrap, la interfaz dinámica y programación backend se implementó mediante JavaScript y también se utilizó PHP y Python para el desarrollo de este, como gestor de Base de datos se utilizó MySQL y con la ayuda del Algoritmo Convutional Neural Networks, el cual con modelado de machine Learning alcanzó una sensibilidad del 95%, al igual que su especificidad obteniendo una valor del 93%, los cuales en combinación arrojan un porcentaje óptimo en la precisión de la neurona como resultado final (95%). Finalmente se obtuvo un recibimiento por parte de los profesionales médicos referente a la utilidad y usabilidad, siendo evaluados con una encuesta de investigación orientada al modelo de aceptación tecnológica (TAM) dando como resultado índices de aceptación “Muy útil”.