Publications2023-06-21T10:18:15+00:00

Noticias

Events

Machine Learning y Sesgos en Sanidad

February 21st, 2024|Categories: Publications|

Los sesgos presentes en los modelos de ML representan una preocupación de gran envergadura, en especial en sectores como la Sanidad, donde la precisión y la imparcialidad son aspectos fundamentales para brindar una atención de calidad. Abordar estos sesgos exige un enfoque multidisciplinar que abarque desde la recolección y selección de datos hasta el diseño e implantación de los algoritmos.

El valor de la Integración de Sistema de Alertas Interacciones Farmacológicas en los sistemas de información hospitalarios.

March 8th, 2023|Categories: Articles, Publications|

La importancia de la integración de sistemas de alertas e interacciones farmacológicas en los sistemas de información hospitalarios para la mejora en la seguridad y la eficacia de la atención médica, disminuyendo así errores médicos y reduciendo costos sanitarios.

Sigesa y la ACHC colaboran para facilitar la implementación de los GRDs en Colombia

October 28th, 2022|Categories: Articles, News, Publications|Tags: |

Sigesa y la Asociación Colombiana de Hospitales y Clínicas (ACHC), hemos firmado un acuerdo de colaboración para facilitar una mayor implantación de los Grupos Relacionados por el Diagnóstico en Colombia.

Complicaciones por cuidados en capítulos de CIE-10 ES por aparatos y sistemas

June 2nd, 2022|Categories: Articles, Publications|Tags: , |

Aun habiendo pasado años desde la implantación de la CIE-10, entraña cierta dificultad acceder a ellos a través del índice alfabético, ya sea por desconocimiento de la existencia del código en sí, o por no escoger la ruta adecuada. Realizamos un repaso de los capítulos relevantes y como se deben codificar de forma correcta las complicaciones por cuidados en cada caso.

Deep Learning para el conocimiento de imágenes en sanidad

May 9th, 2022|Categories: Articles, Publications|Tags: , |

Los problemas de reconocimiento de imágenes son un conjunto de tareas dentro de la rama de aprendizaje supervisado de los problemas de ML, cuyo objetivo es clasificar correctamente una serie de imágenes en un conjunto predefinido de posibles grupos o clases.

Go to Top