Actividades sanitarias y de servicios sociales
CATALYS: Glaucoma Artificial Intelligence System for Clinical Assistance
Actividades sanitarias y de servicios sociales
CATALYS: Glaucoma Artificial Intelligence System for Clinical Assistance
Business Case
El glaucoma es una de las patologías predominantes en la oftalmología, cuya monitorización es necesaria para seguir la evolución del paciente. De esta situación nace en el Hospital Universitario de Araba el programa Teleglaucoma, un programa para monitorizar pacientes con diferente tipo de glaucoma. Con el fin de automatizar la derivación de dichos pacientes y de planificar sus citas, surge el proyecto CATALYS en colaboración con el Instituto de Investigación Sanitaria BIOARABA.
Objetivos
– Visualizar los datos de los pacientes y las imágenes clínicas de las diferentes citas
– Predecir la escala del glaucoma
– Predecir la derivación del paciente (teleglaucoma, tratamiento médico o cirugía)
– En el caso de que la derivación sea al circuito de teleglaucoma, predecir el plan de seguimiento (3 meses, 6 meses, 12 meses, 18 meses y 2 años/alta)
Use case
Casos de Uso
Infraestructura
On Premise;;
Tecnologías utilizadas
Tecnologías utilizadas
Datos utilizados
Datasets privados y anonimizados proporcionados por BioAraba tanto de imágenes OCT como de datos clínicos (datos numéricos y categóricos obtenidos en CSV)
imagen
imagen
Recursos utilizados
Por parte de BioAraba se ha contado con el asesoramiento y evaluación del Director del Servicio de Oftalmología del Hospital Universitario de Araba (HUA) Aritz Urkola. Por parte de Deusto SEIDOR, se ha contado con los servicios de un desarrollador, una analista de datos y una científica de datos, bajo la dirección de un Jefe de proyecto. Todos los experimentos se han desarrollado en el CPD de SEIDOR con datos anonimizados.
Dificultades y aprendizaje
Se han encontrado problemas con la estandarización de los datos, ya que muchos de ellos no estaban bien estructurados y había muchos datos faltantes, por lo que se han alargado las tareas de pre-porcesamiento de datos. En la parte de imagen médica no se contaba con dataset lo suficientemente voluminosos, por lo que se han adoptado técnicas de data augmentation.
KPIs (impacto en el negocio y métricas del modelo)
Por ahora no se ha generado impacto en el negocio por estar en entorno de laboratorio.
Financiación
Financiación
Colaboradores
Instituto de Investigación Sanitaria BioAraba
multimedia
