Bibliographic citations
Luna, P., Vargas, S. (2022). Uso de inteligencia artificial para el diagnóstico de Covid-19 a través de radiografía de tórax en el Hospital Nacional Adolfo Guevara Velasco, Hospital Regional y Hospital Antonio Lorena, Cusco-Perú, periodo 2020-2021 [Universidad Andina del Cusco]. https://hdl.handle.net/20.500.12557/4802
Luna, P., Vargas, S. Uso de inteligencia artificial para el diagnóstico de Covid-19 a través de radiografía de tórax en el Hospital Nacional Adolfo Guevara Velasco, Hospital Regional y Hospital Antonio Lorena, Cusco-Perú, periodo 2020-2021 []. PE: Universidad Andina del Cusco; 2022. https://hdl.handle.net/20.500.12557/4802
@misc{sunedu/3229370,
title = "Uso de inteligencia artificial para el diagnóstico de Covid-19 a través de radiografía de tórax en el Hospital Nacional Adolfo Guevara Velasco, Hospital Regional y Hospital Antonio Lorena, Cusco-Perú, periodo 2020-2021",
author = "Vargas Quisca, Sharon Angelica",
publisher = "Universidad Andina del Cusco",
year = "2022"
}
Hoy en día se ha encontrado grandes avances en las técnicas diagnósticas de aprendizaje profundo aplicado a imágenes, lo cual supone un nuevo punto de acceso al diagnóstico. El objetivo de la siguiente tesis propone una nueva prueba diagnóstica basada en el uso de aprendizaje automático aplicado a radiografías de tórax para hacer el diagnóstico de COVID-19, para lo cual se recolectó datos de las historias clínicas y radiografías de tórax del Hospital Regional del Cusco, Adolfo Guevara Velasco y Antonio Lorena en periodo 2020 a 2021 para los casos COVID-19 y periodo 2019 para los casos no COVID.19. Esto nos permitió evaluar la sensibilidad de la clasificación e imágenes de radiografía de tórax mediante el aprendizaje automático al ser comparada frente al estándar de oro para diagnóstico de COVID-19 la prueba de RT-PCR y prueba antigénica. El diagnóstico de COVID-19 por IA logró una sensibilidad de 90.13%, especificidad de 80.91%, valor predictivo positivo de 70.24%, valor predictivo negativo de 94.25% y una precisión de 83.98%. Convirtiéndola en una herramienta adecuada para el diagnóstico de COVID-19.
This item is licensed under a Creative Commons License