Browsing by Author "Pytel, Pablo"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Aplicación de la Inteligencia Artificial en el contexto de la salud mental
    (Universidad Nacional de la Patagonia San Juan Bosco, 2024-04) Di Felice, Martin; Lamas, Chabela; Maleh, Federico; Norscini, J.; Ramón, Hugo; Deroche, Ariel; Lebedinsky, M.; Leguizamón, R.; Montenegro Aguilar, G.; Trupkin, I.; Pytel, Pablo; Vegega, Cinthia; Chatterjee, Parag; Pollo Cattaneo, Maria Florencia
    La salud mental abarca el bienestar emocional, psicológico y social de un individuo, influyendo significativamente en su calidad de vida. En un contexto global de creciente conciencia sobre la importancia de la salud mental, la aplicación de la inteligencia artificial (IA) emerge como una herramienta prometedora para mejorar la prevención, diagnóstico y tratamiento de trastornos mentales. La IA ofrece capacidades analíticas avanzadas que pueden procesar grandes volúmenes de datos clínicos, genéticos y de comportamiento, permitiendo una detección temprana precisa de problemas de salud mental, una personalización de tratamientos basada en datos y una intervención proactiva. Además, la IA está siendo utilizada para desarrollar sistemas de apoyo a la toma de decisiones clínicas, identificar patrones de riesgo y predecir resultados de tratamiento. Estas aplicaciones están transformando la forma en que los profesionales de la salud mental abordan y gestionan los trastornos psicológicos, mejorando la eficiencia de los servicios y optimizando los resultados para los pacientes. En este contexto, el Grupo de Estudio en Metodologías de Ingeniería en Software (GEMIS) de la Universidad Tecnológica Nacional - Facultad Regional Buenos Aires está trabajando para llevar adelante una nueva línea de investigación, aplicacion inteligencia artificial en el campo de la salud mental. El presente trabajo tiene como objetivo describir el estado de avance de la línea de investigación vinculada con la aplicación de Inteligencia Artificial (IA) en la salud mental. Además del desarrollo de los modelos predictivos en base de datos clçinicos utilizando técnicas de aprendizaje automático en el área de salud mental, se incorpora un nuevo aspecto en la línea de investigación, el análisis automático de señales e imágenes para buscar nuevos patrones y predictores relacionados a la salud mental, proporcionando una mirada complementaria a la línea principal. Se espera fortalecer esta línea de investigación enriqueciendo así el panorama de investigación en el campo de la salud mental.
  • Thumbnail Image
    Item
    Evaluation of the bias in the management of patient’s appointments in a pediatric office
    (2020-04-01) Vegega, Cinthia; Pytel, Pablo; Pollo Cattaneo, María Florencia
    The application of Machine Learning algorithms must always take into account the objectives set within the project, the characteristics of the domain where the project will be carried out and the data available to use. Given this, it is essential before collecting data considered as representative of the problem to be solved, because otherwise there may be hidden biases in the data and these may solve a different problem from the one intended. In this context, the aim of this work is to apply a process based on the Gridding method that allows the analysis of the features of the data to be used. This process is applied to the historical data of a pediatric medical office where it is sought to implement an intelligent system that allows to predict the number of normal and overshift appointments for a particular date and time, since it is desired to hire, when necessary, another pediatric doctor to assist in the care of patients.
  • Thumbnail Image
    Item
    Object detection based software system for automatic evaluation of cursogramas images
    (UTN FRBA, 2021-01-01) Pytel, Pablo; Almad, Matías; Leguizamón, Rocío; Vegega, Cinthia; Pollo Cattaneo, Ma Florencia
    The aim of this work is to describe the tasks performed to carry out the development of a software system capable of detecting and recognizing the symbols of Cursogramas in images by using a Deep Learning model that has been trained from scratch. In this way, we seek to assist teachers of an undergraduate subject to automatically evaluate diagrams made as part of the practical exercise of their students. For this purpose, in addition to having carried out a process of understanding the problem and identifying the available data, tasks of technology selection and construction of each of the components that are part of the system are also carried out. Therefore, although the problem domain belongs to the field of university education, thiswork is more related to the engineering and technological aspect of the application of Artificial Intelligence to solve complex problems.