Toma de decisiones con inteligencia artificial en el diagnóstico del paciente neonatal

Autores/as

DOI:

https://doi.org/10.51896/rilcods.v6i62.734

Palabras clave:

Inteligencia artificial, servicios de salud neonatal, algoritmos de aprendizaje automático, procesamiento del lenguaje natural

Resumen

El procesamiento del lenguaje natural (PNL) es una rama de conocimientos fabricados que se centra en la interacción entre las computadoras y el dialecto humano. Python es uno de los dialectos de programación más utilizados en el manejo de dialectos comunes debido a su facilidad de uso y la amplia gama de bibliotecas y dispositivos accesibles. A través de diferentes aparatos y bibliotecas, Python permite a los ingenieros trabajar con contenido de manera productiva y exitosa. El manejo del lenguaje natural en Python tiene aplicaciones en una variedad de áreas, como el examen de suposiciones, la interpretación automática y la investigación de estimaciones en sistemas sociales. En el campo de los servicios médicos neonatales, el uso de la inteligencia artificial (IA) y PLN puede mejorar completamente la atención neonatal al prever posibles peligros o complicaciones durante el embarazo, el parto y la atención posparto. En expansión, la IA puede ofrecer ayuda para identificar inconsistencias intrínsecas, desarreglos formativos y anticipar la desintegración silenciosa neonatal. A través de cálculos de IA, se puede anticipar un debilitamiento silencioso en las clínicas neonatales, lo que permite tomar decisiones más rápidas y precisas. Sin embargo, el uso de la IA en este contexto también plantea desafíos morales, legítimos y sociales que deben abordarse con compromiso y sencillez.

Citas

Alberca, A. S. (2022). La librería Numpy. Aprende con Alf. https://aprendeconalf.es/docencia/python/manual/numpy/

Barragan, C. (2023). minería de datos—Búsqueda de Google. https://tinyurl.com/268r6g6n

Bektaş, M. (2020). A comprehensive Guide to Scikit-learn Part 2: The Datasets Module | by Muhammet Bektaş | Bootrain Blog | Medium. https://medium.com/bootrain-blog/a-comprehensive-guide-to-scikit-learn-part-2-the-datasets-module-eb6e8c16fd73

Jimbo, J. (2023). 5 New Rules for Clean Code with the Pandas Library—Clean Code / Sonar Updates—Sonar Community. https://community.sonarsource.com/t/5-new-rules-for-clean-code-with-the-pandas-library/102738

Keos.co. (2023). (11) La minería de datos en la atención médica | LinkedIn. https://www.linkedin.com/pulse/la-miner%C3%ADa-de-datos-en-atenci%C3%B3n-m%C3%A9dica-keos-co/?originalSubdomain=es

Meissner, P., & Narita, Y. (2023). Así es como la inteligencia artificial transformará la toma de decisiones | Foro Económico Mundial. https://es.weforum.org/agenda/2023/10/la-inteligencia-artificial-transformara-la-toma-de-decisiones-asi-es-como/

Merino, M. (2020). Así puedes aprender a usar PyTorch, la herramienta más accesible para crear redes neuronales. https://www.genbeta.com/desarrollo/asi-puedes-aprender-a-usar-pytorch-herramienta-accesible-para-crear-redes-neuronales

Monroy, S. (2023). Decisiones estratégicas con IA: cómo utilizarla | APD. https://www.apd.es/decisiones-estrategicas-ia/

Nuñez, L. I. S., Diéguez, L. E., Márquez, N. del C. Á., & Hernández, K. de F. (2023). La inteligencia artificial aplicada a la toma de decisiones en el contexto cubano. Journal TechInnovation, 2(1), Article 1. https://doi.org/10.47230/Journal.TechInnovation.v2.n1.2023.19-24

Uribe, I. (2023). El impacto de la Inteligencia Artificial en la toma de decisiones. https://secmotic.com/inteligencia-artificial-toma-decisiones/#gref

Zeyer, A., & Yunquing, H. (2022). What features do you think will be in Tensorflow 3, if there ever is a Tensorflow 3? Quora. https://www.quora.com/What-features-do-you-think-will-be-in-Tensorflow-3-if-there-ever-is-a-Tensorflow-3

Descargas

Publicado

2025-01-14

Cómo citar

Angulo Pupo, G. Y., Saraiba Nuñez, L. I., & Moreno Pino, M. R. (2025). Toma de decisiones con inteligencia artificial en el diagnóstico del paciente neonatal. Desarrollo Sustentable, Negocios, Emprendimiento Y Educación, 6(62), 80–88. https://doi.org/10.51896/rilcods.v6i62.734

Número

Sección

Artículos