US DE COOKIES
Utilitzem cookies necessàries de sistema per al correcte funcionament de la web i cookies opcionals de Google Analytics per obtenir estadístiques de visita.
 +info

Configuració cookies

  • Necessàries

    Les cookies necessàries són absolutament essencials perquè el lloc web funcioni correctament. Aquesta categoria només inclou galetes que garanteixen funcionalitats bàsiques i funcions de seguretat del lloc web. Aquestes cookies no emmagatzemen cap informació personal.

    NomProveïdorPropietatFinalitatCaducitat+info
    _GRECAPTCHAgoogle.comPropiaProveir protecció antispam amb el servei reCaptcha6 mesos
    cc_cookie_acceptfidmag.orgPropiaUsada per confirmar que l'usuari ha confirmat / refusat les cookies (i quins tipus accepta)1 any
    WEB_SESSIONfidmag.orgPropiaCookie técnica: cookie de sessió PHP. Guarda l'id de sessió d'usuari.al acabar la sessió

  • Anàlisi

    Les cookies analítiques s'utilitzen per entendre com interactuen els visitants amb el lloc web. Aquestes cookies ajuden a proporcionar informació sobre mètriques, el nombre de visitants, el percentatge de rebots, la font del trànsit, etc.

    NomProveïdorPropietatFinalitatCaducitat+info
    _gaGoogle AnalyticsDe tercersCookie d'anàlisi o mesurament: Identifica els usuaris i proporciona informació sobre com els usuaris troben la pàgina web i com la utilitzen per a realització d'Informes estadístics2 anys
    _gat_gtag_UA_141706552_1Google AnalyticsDe tercersCookie d'anàlisi o mesurament: Tracking per part de google per google analytics1 minut
    _gidGoogle AnalyticsDe tercersCookie d'anàlisi o mesurament: S'usa per limitar el percentatge de sol·licituds24 hores

ConfigurarRebutjar totesAcceptar

Títol

Desarrollo de un algoritmo de inteligencia artificial basado en redes profundas (deep learning) para la predicción temprana del riesgo de esquizofrenia a partir de huellas dactilares.

Resum

El vínculo entre la generación de los patrones de las huellas dactilares (dermatoglifos) y el desarrollo del sistema nervioso central ha llevado a proponer el uso de dichos patrones como marcadores del riesgo de esquizofrenia. Sin embargo, la alta complejidad de las formas geométricas presentes en las huellas dactilares hace imprescindible el desarrollo de algoritmos altamente flexibles y adaptativos para dicho fin. Este proyecto desarrollará un nuevo algoritmo de inteligencia artificial basado en redes profundas (deep learning) para la predicción temprana del riesgo de esquizofrenia a partir de imágenes digitales de huellas dactilares. Adicionalmente, se generarán modelos para predecir la gravedad clínica (escala CGI) y funcionalidad (escala GAF) en pacientes con este trastorno. Para ello se escanearán las huellas dactilares de 5.000 controles sanos y de 5.000 pacientes con esquizofrenia reclutados en diferentes centros distribuidos por todo el estado español. Mediante un esquema de validación cruzada tipo 10-fold, se entrenarán, validarán y testará el grado de acierto (nivel de predicción) conseguido por redes neuronales profundas de convolución (redes CNN, especialmente diseñadas para imagen). De forma totalmente innovadora, el nuevo algoritmo permitirá establecer la probabilidad de que un sujeto sufra esquizofrenia, es decir actuará como biomarcador. Debido a la alta estabilidad temporal de los patrones dactilares, los algoritmos generados podrán ser potencialmente aplicados desde el momento del nacimiento, lo que tendría enormes repercusiones para establecer el diagnóstico precoz y la implementación de estrategias de prevención secundaria, aspecto completamente novedoso en este trastorno. 

Finançador

Instituto de Salud Carlos III, con la cofinanciación de Fondo Europeo de Desarrollo Regional "Una manera de hacer Europa"

Import de l'ajuda

43.560,00 €

 

Formem part de
HH Província Espanya
Contacteu-nos

Avda. Jordà, 8, 08035 Barcelona
Telèfon: 935 480 105
E-mail: fundacio@fidmag.org
Formulari de contacte online 

           

 

Reconeixements a la qualitat i l'excel·lència
Darrera modificació: 22/03/2024