La inteligencia artificial está a la vuelta de la esquina. La cuarta revolución industrial aún no está aquí, pero a medida que se vayan desarrollando redes neuronales más poderosas y el aprendizaje automático (machine learning) sea aún más eficiente, será más posible darle nuestra confianza a los sistemas expertos del futuro cuando sean capaces de aprender por sí mismos. Esto traerá como consecuencia la reducción de costes para el usuario final, pues nacerán nuevas ideas de negocio y habrá más oferta en el mercado. La robótica y los algoritmos inteligentes se expandirán aún más.

Esta vez es el turno de la Facultad de Medicina de dos universidades: Universidad de Pensilvania y Universidad Stony Brook, donde hicieron investigaciones y estudios que revelan que el lenguaje que las personas utilizan en Facebook podría indicar padecimientos clínicos existentes y, probablemente, ignorados por el usuario.

Raina Mechant, líder del proyecto y directora del Centro de Salud Digital de Penn Medicine dió algunos detalles al respecto:

“Este trabajo es incipiente, pero nuestra expectativa es que la información derivada de estos post puedan ser utilizada para informar mejor a los pacientes y a los profesionales sanitarios sobre la salud del paciente. Dado que los comentarios que hace la gente en los medios sociales se refieren a menudo a sus decisiones y experiencias de estilo de vida, o a cómo se siente, esta información podría proporcionar información adicional sobre el control y la exacerbación de la enfermedad”.

La prueba

La muestra se le realizó a 1000 pacientes, previamente consultados sobre si aceptarían hacer la prueba. Después de su autorización, sus perfiles fueron vinculados a los datos de su historial clínico. El objetivo era investigar si a través de Facebook podrían salir a la luz 21 condiciones específicas de salud física y mental. Para tal fin, el equipo diseñó tres modelos para determinar su capacidad predictiva en relación a las condiciones médicas de los pacientes.

  • Un modelo analizó el lenguaje.
  • Otro modelo analizó la edad y sexo.
  • Y el tercer modelo combinó todos los datos.

El fruto de la investigación

Resulta que, efectivamente, se demostró que las 21 afecciones mencionadas anteriormente eran predecibles a partir de los datos extraídos de Facebook y por separado. Diez de ellas pudieron detectarse mejor a partir de los datos de Facebook que con los demográficos.

Andrew Schwartz, otro de los líderes del estudio, indicó que el lenguaje que las personas están utilizando en las redes sociales y otros medios electrónicos capta ciertos aspectos de sus vidas que la información médica no podría captar siguiendo sus estándares.

¿Habrá alguna condición relacionada con las faltas ortográficas?

Fuente :: DiarioTI

Share on facebook
Facebook
Share on twitter
Twitter
Share on pinterest
Pinterest
Share on linkedin
LinkedIn
Share on tumblr
Tumblr
alojamiento wordpress
hosting joomla confiable en español

Deja un comentario

Diseñado por Tiger Fénix ©2019 Ignibits. Versión 0.5.