Análisis de una plataforma para apoyar en el diagnóstico del síndrome de ovario poliquístico
DOI:
https://doi.org/10.36825/RITI.12.27.008Palabras clave:
Inteligencia Artificial, Minería de Datos, Técnicas de Clasificación, Salud Femenina, Síndrome de Ovario PoliquísticoResumen
El Síndrome de Ovario Poliquístico (SOP) es una condición endócrina frecuente entre mujeres en edad reproductiva y su diagnóstico temprano previene complicaciones a largo plazo; sin embargo, este diagnóstico presenta dificultades debido a la variabilidad de los síntomas, a los tabúes culturales y a la necesidad de pruebas laboratoriales y de imagenología que interpretan especialistas en Ginecología. Por su parte, las técnicas de Inteligencia Artificial (IA) han demostrado gran potencial para ayudar en la detección temprana de distintas enfermedades. Actualmente, las mujeres de zonas rurales y semirrurales tienen poco acceso a especialistas y estudios, por lo que se considera útil contar con una plataforma de salud, que incluya técnicas de IA, en ambientes móvil y web, que apoye la detección del SOP. Este artículo muestra el resultado del análisis de sistemas para la plataforma mencionada, presentando los requisitos funcionales y no funcionales recopilados con ayuda de profesionales de la salud de Medicina General y de Ginecología.
Citas
Consejo Nacional de Población. (2022). Día Internacional de Acción por la Salud de las Mujeres. https://www.gob.mx/conapo/articulos/dia-internacional-de-accion-por-la-salud-de-las-mujeres-303826?idiom=es
Cámara de Diputados. (2017). Entre 6 y 10 por ciento de las mexicanas padece Síndrome del Ovario Poliquístico. http://www5.diputados.gob.mx/index.php/esl/Comunicacion/Boletines/2017/Julio/31/3888-Entre-6-y-10-por-ciento-de-las-mexicanas-padece-Sindrome-del-Ovario-Poliquistico
Corona Vázquez, T., Medina Mora, M. E., Ostrosky Wegman, P., Sarti Gutiérrez, E. J., Uribe Zúñiga, P. (2014). La mujer y la salud en México. Intersistemas S.A de C.V.
Mayo Clinic. (2023). Síndrome de ovario poliquístico. https://www.mayoclinic.org/es/diseases-conditions/pcos/symptoms-causes/syc-20353439
Teede, H., Tay, C. T., Laven, J. S. E., Dokras, A., Moran, L. J., Piltonen, T. (2023). International evidence-based guideline for the assessment and management of Polycystic Ovary Syndrome 2023. Monash University. https://doi.org/10.26180/24003834.V1
Vanhauwaert, P. S. (2021). Síndrome de ovario poliquístico e infertilidad. Revista Médica Clínica Las Condes, 32 (2), 166–172. https://doi.org/10.1016/j.rmclc.2020.11.005
Food and Travel. (2020). Apps para el cuidado femenino. https://foodandtravel.mx/apps-para-el-cuidado-femenino/.
Instituto Nacional de Estadística y Geografía. (2018). Encuesta Nacional de la Dinámica Demográfica (ENADID). https://www.inegi.org.mx/programas/enadid/2018/
MedlinePlus. (2022). Salud de las mujeres. https://medlineplus.gov/spanish/womenshealth.html
Concha, F., Sir, T., Recabarren, S. E., Pérez, F. (2017). Epigenética del síndrome de ovario poliquístico. Revista médica de Chile, 145 (7), 907–915. https://doi.org/10.4067/s0034-98872017000700907
Hamet, P., Tremblay, J. (2017). Artificial intelligence in medicine. Metabolism, 69, S36–S40. https://doi.org/10.1016/j.metabol.2017.01.011
Buulolo, E., Kom, S., Kom, M. (2020). Data Mining Untuk Perguruan Tinggi. Deepublish.
Kantardzic, M. (2019). Data Mining: Concepts, Models, Methods, and Algorithms (3ra Ed.). Wiley-IEEE Press.
Cognizant. (2024). Plataforma digital. https://www.cognizant.com/es/es/glossary/digital-platform
GCFGlobal. (2024). Informática Básica: ¿Qué es una aplicación móvil? https://edu.gcfglobal.org/es/informatica-basica/que-es-una-aplicacion-movil/1/
Bharati, S., Podder, P., Hossain Mondal, M. R. (2020). Diagnosis of Polycystic Ovary Syndrome Using Machine Learning Algorithms. IEEE Region 10 Symposium (TENSYMP), Dhaka, Bangladesh. https://doi.org/10.1109/TENSYMP50017.2020.9230932
Elmannai, H., El-Rashidy, N., Mashal, I., Alohali, M. A., Farag, S., El-Sappagh, S., Saleh, H. (2023). Polycystic Ovary Syndrome Detection Machine Learning Model Based on Optimized Feature Selection and Explainable Artificial Intelligence. Diagnostics, 13 (8), 1-21. https://doi.org/10.3390/diagnostics13081506
Ramamoorthy, S., R., V., Sivasubramaniam, R. (2019). Monitoring the growth of Polycystic Ovary Syndrome using Mono-modal Image Registration Technique. ACM India Joint International Conference on Data Science and Management of Data, Kolkata, India. https://doi.org/10.1145/3297001.3297024
Fox, S. E., Menking, A., Eschler, J., Backonja, U. (2020). Multiples Over Models. ACM Transactions on Computer-Human Interaction, 27 (4), 1–24. https://doi.org/10.1145/3397178
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
