AI Superior, en colaboración con un Centro de Oftalmología, ha desarrollado un avanzado modelo de aprendizaje profundo estimar el volumen de grasa y músculo en los ojos humanos mediante tomografías computarizadas y resonancias magnéticas de la órbita. Al analizar las exploraciones por resonancia magnética, nuestro modelo segmenta con éxito el tejido adiposo y muscular en cada corte, lo que permite una estimación precisa del volumen y facilita las comparaciones de volumen antes y después de las intervenciones. Este proyecto innovador ofrece nuevas posibilidades para comprender y gestionar la salud ocular.
![](https://aisuperior.com/wp-content/uploads/2023/06/brain.png)
![](https://aisuperior.com/wp-content/uploads/2023/06/brain.png)
De los escaneos a los conocimientos: uso del aprendizaje profundo para estimar el volumen de grasa y músculo de los ojos humanos
Tecnología
Aprendizaje automático central | CV
Industria
Médico
Industrias potenciales
Cuidado de la salud
Cliente
Centro de Oftalmología
Resumen
Desafío
La compañía de seguros que operaba en el ámbito médico/sanitario se enfrentaba al desafío del desarrollo de políticas de precios. Para ellos, era importante comprender los riesgos relacionados con un paciente en particular y ajustar los modelos de política de precios en consecuencia. A cambio, el cliente esperaba obtener ahorros considerables.
Solución de AI Superior
Construimos una aplicación basada en un modelo de aprendizaje automático predecir las probabilidades de una enfermedad particular de acuerdo con muchas características y parámetros de entrada, incluido el historial médico. Para ello entrenamos a un modelo de aprendizaje profundo eso era abordar efectivamente desafíos intrínsecos como el desequilibrio de clases. Además, creamos un marco de validación para comparar objetivamente múltiples enfoques y garantizar que el modelo creado superara significativamente a otros.
Resultado e implicaciones
La solución de ciencia de datos desarrollada superó significativamente a los modelos de referencia basados en estadísticas. El resultado del modelo se utilizó para optimizar la política de precios para aumentar los ingresos y gestionar mejor los riesgos.