Inteligencia Artificial en Salud
Implementado
Proyecto Nacional

OncoReal

Una aplicación para realizar Análisis de la Vida Real

OncoReal es una aplicación desarrollada por el grupo de Inteligencia Computacional en Biomedicina (ICB) de la E.T.S de Ingeniería Informática de la Universidad de Málaga (ICB-UMA) en colaboración con la Sociedad Española de Oncología Médica (SEOM).

3 Hospitales Universitarios
Instituciones
15,000+ pacientes
Beneficiarios
€450,000
Financiamiento
2023 - 2024
Duración
Descripción del Proyecto

Importación de documentos

La aplicación realiza una extracción automática de la información a partir de los documentos PDF subidos. Olvídese de crear hojas de datos a mana, la aplicación lo hace por usted.

Visualización de los datos

La información extraída puede ser visualizada directamente en una tabla. La aplicación permite la validación de la información extraída, así como su edición.

Análisis de Supervivencia

Realice análisis de supervivencia su población, obteniendo evidencias basadas en la vida real. Pruebe a estratificar según diferentes variables, mostrando intervalos de confianza y más.

Uso de Inteligencia Artificial

Gracias a métodos avanzados de Inteligencia Artificial y Procesamiento del Lenguaje Natural, la aplicación extrae información esencial de los documentos que decida incluir en la aplicación.

Integración con el INDEFIN

Puede descargar un documento con el que pueda consultar el INDEF, y obtener una hoja de datos con la información del exitus de los pacientes. Importe esta hoja de datos a la aplicación para realizar análisis actualizados sobre su población.

Máxima protección de la Privacidad

Toda la información que suba o aporte a la aplicación se encuentra única y exclusivamente en su ordenador. La aplicación no se comunica con ninguna nube.

Problema Identificado

Demoras en diagnósticos complejos y variabilidad en la precisión diagnóstica entre profesionales

Solución Desarrollada

Sistema de IA que asiste en diagnósticos complejos proporcionando recomendaciones basadas en evidencia científica

Resultados Clave

Reducción del 40% en tiempo promedio de diagnóstico

Mejora del 25% en precisión diagnóstica

Implementación exitosa en 3 hospitales universitarios

Formación de 150+ profesionales médicos

Procesamiento de 50,000+ casos clínicos

Desarrollo de 3 algoritmos especializados

Cronograma del Proyecto

Fase 1: Investigación y Desarrollo

Completado

Desarrollo de algoritmos base y validación inicial

Mar 2023

Fase 2: Pruebas Piloto

Completado

Implementación piloto en primer hospital

Sep 2023

Fase 3: Escalado

Completado

Expansión a los tres hospitales colaboradores

Mar 2024

Fase 4: Evaluación y Optimización

En progreso

Análisis de resultados y optimización del sistema

Dic 2024

Patrocinadores y Colaboradores

Este proyecto ha sido posible gracias al apoyo de nuestros patrocinadores y colaboradores institucionales.

Patrocinador Principal

Patrocinador Principal

Colaborador Tecnológico

Colaborador Tecnológico

Socio Estratégico

Socio Estratégico

Publicaciones Relacionadas

AI-Assisted Medical Diagnosis: A Hospital Implementation Study

Nature Medicine2024

45 citas

Deep Learning for Medical Image Analysis in Clinical Settings

IEEE Transactions on Medical Imaging2024

32 citas
Instituciones Colaboradoras
Hospital Universitario Central
Hospital Clínico San Carlos
Hospital Universitario La Paz
Financiamiento
Monto Total
€450,000
Fuentes de Financiamiento
Ministerio de Ciencia e Innovación
Fondos Europeos de Desarrollo Regional
Universidad Politécnica
Tecnologías Utilizadas
TensorFlow
PyTorch
Python
React
PostgreSQL
Docker
Kubernetes
Acciones