COOKIES USE
We use necessary system cookies for the correct functioning of the website and optional Google Analytics cookies to obtain visit statistics.
 +info

Cookies config

  • Necessary

    The necessary cookies are absolutely essential for the website to work properly. This category only includes cookies that guarantee basic website security and functionality. These cookies do not store any personal information.

    NameProveedorPropiedadFinalidadCaducidad+info
    _GRECAPTCHAgoogle.comOwnprovide antispam protection with the reCaptcha service6 months
    cc_cookie_acceptfidmag.orgOwnUsada per confirmar que l'usuari ha confirmat / refusat les cookies (i quins tipus accepta)1 any
    WEB_SESSIONfidmag.orgOwnCookie técnica: cookie de sessió PHP. Guarda l'id de sessió d'usuari.al acabar la sessió

  • Analisys

    Analytical cookies are used to understand how visitors interact with the website. These cookies help to provide information on meters, the name of visitors, the percentage of bounces, the font of the traffic, etc.

    NameProveedorPropiedadFinalidadCaducidad+info
    _gaGoogle AnalyticsFrom third partiesCookie 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 AnalyticsFrom third partiesCookie d'anàlisi o mesurament: Tracking per part de google per google analytics1 minut
    _gidGoogle AnalyticsFrom third partiesCookie d'anàlisi o mesurament: S'usa per limitar el percentatge de sol·licituds24 hores

ConfigureReject allAccept

Title

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.

Summary

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. 

Financing entity

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

Amount

43.560,00 €

 

We are part of
HH Província España
Contact us

Avda. Jordà, 8, 08035 Barcelona
Contact phone: 935 480 105
E-mail: fundacio@fidmag.org
Online contact 

           

 

Reconocimientos a la calidad y la excelencia
Última modificación: 22/03/2024