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

Predicción de la Evolución de un Primer Episodio Psicótico Mediante Algoritmos Multi-entrada de Aprendizaje Profundo

Resum

Objetivos: Los algoritmos de aprendizaje profundo (deep learning, DL) están en la base de la mayor parte de los logros en inteligencia artificial acaecidos en estos últimos años. Este proyecto tiene como objetivo aprovechar la capacidad que tienen dichos algoritmos para combinar datos de distinta naturaleza y para servirse de modelos previamente ajustados con datos similares para hacer predicciones sobre la evolución de pacientes que sufren un primer episodio psicótico (First episode of psychosis, FEP). En concreto, se crearan algoritmos DL a partir de datos de diferente naturaleza (véase siguiente párrafo) tomados en el momento del primer episodio que serán combinados con modelos DL previamente ajustados a datos históricos de pacientes con esquizofrenia y trastorno bipolar, con la intención de predecir el diagnóstico definitivo, los niveles de afectación clínica y la funcionalidad presentes a los seis meses y al año de la visita basal.
 
Metodología: En una muestra de N=200 primeros episodios de reciente ingreso se tomarán imágenes cerebrales de MRI funcional, estructural y de difusión, imágenes de huellas dactilares, datos genéticos de polimorfismos anteriormente relacionados con la psicosis y escalas clínicas y de cognición. Estos datos se combinarán con un gran número de datos históricos de naturaleza similar disponibles en nuestras instituciones para generar los algoritmos DL de predicción.

Finançador

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

Import de l'ajuda

75.020,00 €

 

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: 29/02/2024