RT Generic
T1 Avaliación humana de modelos de aprendizaxe automática para mellorar o seu impacto na medicina
A1 Pena Iglesia, Sandra
AB O presente Traballo de Fin de Grao propón a creación dun modelo de aprendizaxe automática para predicir o risco de nacementos de bebés con baixo peso. O modelo desenvolvido en Python partiu dunha base de datos do proxecto IMPACT-BCN, con variables demográficas e clínicas das nais, así como medidas dos bebés nas diferentes ecografías. Seleccionámolas en base a unha serie de criterios para lograr a maior precisión posible, alcanzando no mellor modelo un 73,13% de precisión . De forma paralela ao desenvolvemento do modelo, planificamos a elaboración dunha enquisa para coñecer o grao de dificultade de comprensión da información presentada nos informes médicos das ecografías á vez que preguntamos polo nivel de aceptación da IA por parte das participantes. Observamos que son termos demasiado técnicos para dar unicamente con valores e que, o uso de rangos numéricos ou analoxías pódenlles axudar a entender mellor os resultados. Por outra parte, a maioría mostran unha actitude receptiva ao uso da intelixencia artificial, pero si é certo que seguen preferindo un diagnóstico por parte dos profesionais médicos. O estudo conclúe cun resumo da análise que se levou a cabo ao longo do proxecto e con aplicacións futuras.
YR 2025
FD 2025
LK https://hdl.handle.net/10347/44500
UL https://hdl.handle.net/10347/44500
LA glg
DS Minerva
RD 24 abr 2026