[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-es-110":3,"doc-seo-127776-110":49,"doc-detail-127776-es":124},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37,41,45],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},39,"Document","Cómic",60,"comic",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":11,"slug":16},43,"Estilo de Vida","lifestyle",{"id":18,"doc_module":4,"doc_module_name":9,"category_name":19,"show_sort_weight":11,"slug":20},38,"Examen","exam",{"id":22,"doc_module":4,"doc_module_name":9,"category_name":23,"show_sort_weight":11,"slug":24},44,"General","general",{"id":26,"doc_module":4,"doc_module_name":9,"category_name":27,"show_sort_weight":11,"slug":28},41,"Investigación e Informes","research-report",{"id":30,"doc_module":4,"doc_module_name":9,"category_name":31,"show_sort_weight":11,"slug":32},37,"Literatura","literature",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":11,"slug":36},22,"Relatos y Novelas","story-novel",{"id":38,"doc_module":4,"doc_module_name":9,"category_name":39,"show_sort_weight":11,"slug":40},42,"Religión y Espiritualidad","religion-spirituality",{"id":42,"doc_module":4,"doc_module_name":9,"category_name":43,"show_sort_weight":11,"slug":44},40,"Salud y Atención Médica","healthcare",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":47,"show_sort_weight":11,"slug":48},24,"Tecnología","technology",{"code":4,"msg":50,"data":51},"ok",{"site_id":52,"language":53,"slug":54,"title":55,"keywords":56,"description":57,"schema_data":58,"social_meta":117,"head_meta":119,"extra_data":121,"updated_unix":123},110,"es","machine-learning-techniques-for-predicting-symptoms-at-two-years-of-life-in-premature-babies","Técnicas de Machine Learning para la predicción de síntomas a los dos años de vida en bebés prematuros","","La investigación desarrolla un enfoque de inteligencia artificial para mejorar el seguimiento de neonatos prematuros, identificando patrones de posibles secuelas antes de los 24 meses. Se utilizan datos médicos recopilados en el momento del nacimiento para que el personal clínico evalúe el riesgo de complicaciones y pueda aplicar intervenciones preventivas y personalizadas. El trabajo compara cuatro tipos de secuelas, con cuatro estrategias por caso basadas en extracción mediante análisis de componentes principales y selección con SelectKBest de scikit-learn. Finalmente se entrenan modelos Random Forest y XGBoost.",{"@graph":59,"@context":116},[60,77,99],{"@type":61,"itemListElement":62},"BreadcrumbList",[63,68,71,74],{"item":64,"name":65,"@type":66,"position":67},"https://docshare.wps.com","Home","ListItem",1,{"item":69,"name":9,"@type":66,"position":70},"https://docshare.wps.com/es/document/",2,{"item":72,"name":43,"@type":66,"position":73},"https://docshare.wps.com/es/document/salud-y-atención-médica/",3,{"item":75,"name":55,"@type":66,"position":76},"https://docshare.wps.com/es/document/machine-learning-techniques-for-predicting-symptoms-at-two-years-of-life-in-premature-babies/127776/",4,{"url":75,"name":55,"@type":78,"image":79,"author":84,"headline":55,"publisher":87,"fileFormat":90,"inLanguage":53,"description":57,"dateModified":91,"datePublished":92,"encodingFormat":90,"isAccessibleForFree":93,"interactionStatistic":94},"DigitalDocument",{"url":80,"@type":81,"width":82,"height":83},"https://docshare.wps.com/thumbnails/machine-learning-techniques-for-predicting-symptoms-at-two-years-of-life-in-premature-babies/127776.png","ImageObject",300,407,{"name":85,"@type":86},"Ivy","Person",{"url":64,"name":88,"@type":89},"DocShare","Organization","application/pdf","2026-09-20","2026-08-05",true,{"@type":95,"interactionType":96,"userInteractionCount":98},"InteractionCounter",{"@type":97},"ViewAction",6,{"@type":100,"mainEntity":101},"FAQPage",[102,108,112],{"name":103,"@type":104,"acceptedAnswer":105},"Cuál es el objetivo principal del proyecto en prematuros?","Question",{"text":106,"@type":107},"Detectar patrones de secuelas o síntomas antes de los 24 meses usando datos médicos recogidos al nacimiento, para apoyar decisiones clínicas preventivas y personalizadas.","Answer",{"name":109,"@type":104,"acceptedAnswer":110},"Qué técnicas de procesamiento de datos se aplican?",{"text":111,"@type":107},"Se emplea extracción de atributos mediante análisis de componentes principales (PCA) y selección de características mediante SelectKBest de scikit-learn.",{"name":113,"@type":104,"acceptedAnswer":114},"Qué modelos de Machine Learning se entrenan finalmente?",{"text":115,"@type":107},"Se entrenan dos modelos: Random Forest y XGBoost, para optimizar la predicción y mejorar resultados de salud futuros.","https://schema.org",{"og:url":75,"og:type":118,"og:title":55,"og:site_name":88,"og:description":57},"article",{"robots":120,"canonical":75},"index,follow",{"doc_id":122,"site_id":52},127776,1785941553,{"code":4,"msg":5,"data":125},{"doc_id":122,"user_id":126,"nickname":85,"user_avatar":127,"doc_module":4,"category_id":42,"category_name":43,"doc_title":55,"doc_description":57,"doc_content":128,"file_id":129,"file_url":130,"file_type":131,"file_size":132,"view_count":98,"is_deleted":4,"is_public":67,"is_downloadable":67,"audit_status":67,"page_count":133,"language":134,"language_code":53,"site_id":52,"html_lang":53,"table_of_contents":135,"faqs":136,"seo_title":137,"seo_description":57,"update_tm":123,"read_time":138},1099523885074,"https://ap-avatar.wpscdn.com/davatar_9964176cb1d06d4a9deccf72a44ae3dc","ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA  \nINGENIERÍA DE LA SALUD  \nTécnicas de Machine Learning para la predicciónde síntomas a los dos años de vida en bebés  \nprematuros .  \nUse of Machine Learning models for the prediction of symptoms at two years of life in prematures babies .  \nRealizado por  \nLaura Núñez Jiménez  \nTutorizado por  \nMercedes Amor Pinilla  \nEduardo Guzmán De los Riscos  \nDepartamento  \nLenguaje y Ciencias de la Computación  \nMÁLAGA, Septiembre 2023  \nESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA  \nINGENIERÍA DE LA SALUD  \nTécnicas de Machine Learning para la predicción desíntomas a los dos años de vida en bebés prematuros.  \nUse of Machine Learning models for the prediction of symptoms at two years of life in prematures babies.  \nRealizado por  \nLaura Núñez Jiménez  \nTutorizado por  \nMercedes Amor Pinilla  \nEduardo Guzmán De los Riscos  \nDepartamento  \nLenguaje y Ciencias de la Computación  \nUNIVERSIDAD DE MÁLAGA  \nMÁLAGA, SEPTIEMBRE DE 2023  \nFecha defensa: septiembre de 2023  \nA mi familia,  \nsoy quien soy gracias a ellos, y mis logros son tanto míos como suyos.  \nA Adri,  \npor su apoyo incondicional y por ser mi ejemplo a seguir.  \nResumen  \nHoy en día la inteligencia artificial es uno de los conceptos más importantes en elavance tecnológico. Es una herramienta aplicada en diversos campos de la industria, de la agricultura y también en el ámbito de la medicina. El objetivo fundamental de la IA, en el ámbito de la salud, es mejorar la atención médica. En este proyecto, laatención de los neonatos presenta desafíos únicos que pueden abordarse con éxito mediante la integración de la inteligencia artificial. Los neonatos, bebés nacidos antes de terminar el proceso de maduración, requieren una atención medica especial y también un seguimiento a medida que el prematuro crece en sus primeros años de vida, debido a las posibles complicaciones de salud asociadas o secuelas que puedendesarrollarse a lo largo de su vida. Esta investigación pretende que algoritmos de Machine Learning (o Aprendizaje Automático) puedan detectar patrones de secuelas antes de los 24 meses de vida con datos médicos recogidos en el momento del nacimiento del bebé . Esto permitirá a los médicos que evalúen el riesgo de complicaciones, permitiendo intervenciones preventivas y personalizadas. Se llevará a cabo la investigación de cuatro tipo de secuelas que ayudarán a la Sociedad Española de Neonatología a encontrar si existe alguna correlación entre los datos médicos recogidosal nacimiento y las secuelas observadas en el seguimiento a los dos años de vida. Encada caso se aplicará 4 tipos de estrategias diferentes encabezadas por dos técnicas, extracción de atributos mediando el análisis de componente principales y selección de características relevantes mediante la clase SelectKBest de la librería de scikit-learn.  \nFinalmente, se llevará acabo el entrenamiento de dos modelos Random Forest y XGBoost. En conclusión, la implementación de Machine Learning en la atención a prematuros ha demostrado ser una innovación prometedora para optimizar el cuidadomédico en estos bebés y mejorar los resultados de salud en un futuro. La combinaciónde técnicas de IA con los juicios médicos puede contribuir significativamente a laidentificación temprana de problemas, el tratamiento personalizado y, el bienestar delos neonatos y sus familiares.  \nPalabras clave: Machine Learning, neonatología, inteligencia artificial, XGBoost, Random Forest, medicina, SENEO, TUPL.  \nAbstract  \nNowadays, artificial intelligence is one of the most important concepts in technological progress. It is a tool applied in various fields of industry, agriculture and also in the field of health. In this last field, the main goal of AI is to improve medical care. In this project, neonatal care presents unique challenges that can be successfully addressed by integrating artificial intelligence. Neonates, babies born before the maturation process is complete, require speciali","cbCaifZfy2dVTM4D","https://ap.wps.com/l/cbCaifZfy2dVTM4D","pdf",16167099,92,"Spanish","# Resumen\n# Abstract\n# Índice\n# Tabla de imágenes","[{\"question\":\"Cuál es el objetivo principal del proyecto en prematuros?\",\"answer\":\"Detectar patrones de secuelas o síntomas antes de los 24 meses usando datos médicos recogidos al nacimiento, para apoyar decisiones clínicas preventivas y personalizadas.\"},{\"question\":\"Qué técnicas de procesamiento de datos se aplican?\",\"answer\":\"Se emplea extracción de atributos mediante análisis de componentes principales (PCA) y selección de características mediante SelectKBest de scikit-learn.\"},{\"question\":\"Qué modelos de Machine Learning se entrenan finalmente?\",\"answer\":\"Se entrenan dos modelos: Random Forest y XGBoost, para optimizar la predicción y mejorar resultados de salud futuros.\"}]","Técnicas de Machine Learning para la predicción de síntomas a los dos años de vida en bebés prematuros | PDF",142]