Minería de datos: Aportes y tendencias en el servicio de salud de ciudades inteligentes

Efraín Alberto Oviedo Carrascal, Ana Isabel Oviedo Carrascal, Gloria Liliana Vélez Saldarriaga

Resumen


Entre las numerosas aplicaciones de la minería de datos se destacan los aportes al servicio de salud en ciudades inteligentes. Dichas aplicaciones tienen por objetivo mejorar la calidad de vida de los ciudadanos, prevenir enfermedades, facilitar la toma de decisiones y analizar datos provenientes de las instituciones de salud. Con el objetivo de apoyar el desarrollo de ciudades inteligentes, en este trabajo se presenta una revisión de avances y tendencias de la minería de datos en el servicio de salud. Entre los principales avances en minería de datos se pueden encontrar diversas técnicas, metodologías y plataformas que han sido utilizadas en el sector salud. Entre las tendencias se pueden identificar algunos desafíos como: análisis de textos e imágenes, metodologías con etapas de reprocesamiento e indexamiento de datos no estructurados y herramientas con soporte a minería multimedia.


Palabras clave


Servicio de salud en ciudades inteligentes; minería de datos; minería de texto y minería de imágenes

Texto completo:

PDF

Referencias


Rodríguez C, Gil S. Ciudades amigables con la edad, accesibles e inteligentes, CEAPATIMSERSO, 2014.

Chen CC. The Trend towards “Smart Cities", International Journal of Automation and Smart Technology, 4(2), 63-66, 2014.

Achaerandio R, Curto J, Bigliani R, Gallotti G. Análisis de las ciudades inteligentes en España 2012 - El viaje a la ciudad inteligente. En: IDC España - Analize the future, 2012.

Riquelme J, Ruiz R, Gilbert K. Minería de datos: Conceptos y tendencias, Revista Iberoamericana de Inteligencia Artificial, 10(29), 11-18, 2006.

Wu X, Zhu X, Wu GQ, Ding W. Data mining with big data, IEEE Transactions on Knowledge and Data Engineering, 26(1), 97-107, 2014.

Mena J. Data mining your website, Digital Press, 1999.

Kumari M, Sunila G. Comparative Study of Data Mining Classification Methods in Cardiovascular Disease Prediction, 2, 2011.

Shaikh T. A Prototype of Parkinson’s and Primary Tumor Diseases Prediction Using Data Mining Techniques, International Journal of Engineering Science Invention, 3(4), 2014.

Jain, A. K., Murty, M. N., y Flynn, P. J. Data clustering: a review.,ACM computing surveys (CSUR), 31(3), 264-323, 1999.

Amin A, Takib R, Raza S, Javed S. Extract association rules to minimize the effects of dengue by using a text mining technique. 3(4), 2014.

Han J, Kamber M. Data Mining Concepts and Techniques, Morgan Kaufmann; 2006.

Wiener E, Jan P, Weigend A. A Neural Network Approach to Topic Spotting, En: 4th Annual Symposium on Document Analysis and Information Retrieval; Las Vegas. p. 317-332, 1995.

Apté C, Weiss S. Data mining with decision trees and decision rules, Future Generation Computer Systems, 197-210, 1997.

Joachims T, Hofmann T, Yue Y, Yu CN. Predicting structured objects with support vector machines, Communications of the ACM. 52(11), 97-104, 2009.

Yang Y, Liu X. A re-examination of text categorization methods, En: Proceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, 42-49, 1999.

Wettig H, Grünwald P, Roos T, Myllymäki P, Tirri H. On supervised learning of Bayesian network parameters, Helsinki Institute for Information Technology (HIIT), 2002.

Xu R, Wunsch D. Survey of clustering algorithms,Neural Networks, IEEE Transactions on 16(3), 2005.

Filippone M, Camastra F, Masulli F, Rovetta S. A survey of kernel and spectral methods for clustering, Pattern recognition.41(1), 176-190, 2008.

Steinley D. K-means clustering : A half-century synthesis, British Journal of Mathematical and Statistical Psychology. 59(1), 1-34, 2006.

François O, Ancelet S, Guillot G. Bayesian clustering using hidden Markov random fields in spatial population genetics, Genetics.174(2), 805-816, 2006.

Meireles M, Almeida P, Godoy M. A comprehensive review for industrial applicability of artificial neural networks, IEEE Transactions on Industrial Electronics, 50(3), 2003.

Slimani T, Amor L. Efficient Analysis of Pattern and Association Rule Mining Approaches, arXiv preprint arXiv:1402.2892, 6(3), 70-81, 2014.

Moine J. Metodologías para el descubrimiento de conocimiento en bases de datos: un estudio comparativo [Tesis de Maestría]. Argentina: Universidad Nacional de la Plata, 2013.

Torres D. Diseño y aplicación de una metodología para análisis de noticias policiales utilizando minería de textos [Tesis de Pregado]. Chile: Universidad de Chike, 2013.

Corrales D, Ledesma A, Peña A, Hoyos J, Figueroa A, Corrales J. A new dataset for coffee rust detection in Colombian crops base on classifiers. Revista S&T, 9-23, 2014.

Azevedo A, Rojão L. KDD, SEMMA and CRISP-DM: a parallel overview. ; 2008.

Usama F, Piatetsky-Shapiro G, Padhraic S, Uthurusamy R. Advances in knowledge discovery and data mining, The MIT Press, 1996.

Pyle D. Business modeling and data mining: Morgan Kaufmann, Morgan Kaufmann, 2003.

Hall M, Frank E, Holmes G, Pfahringer B, Reutemann , Witten IH. The WEKA Data Mining Software: An Update. SIGKDD Explorations, 10-18, 2009.

Azoumana K. Análisis de la deserción estudiantil en la Universidad Simón Bolívar, facultad Ingeniería de Sistemas, con técnicas de minería de datos, Pensamiento Americano, 41-51, 2013.

Hofmann M, Ralf K. RapidMiner: Data Mining Use Cases and Business Analytics Applications, CRC Press, 2013.

Zhao, Y. R and data mining: Examples and case studies, Academic Press, 2012.

Devi B, Rao K, Setty S, Rao M. Disaster Prediction System Using IBM SPSS Data Mining Tool, International Journal of Engineering Trends and Technology (IJETT), 3352-3357, 2013.

Fernandez, G. Data mining using SAS applications. CRC press, 2002.

Mikut, R. and Reischl, M. Data mining tools, WIREs Data Mining Knowl Discov, 1: 431–443, 2011.

Tapia M, Ruiz O, Chirinos C. Modelo de clasificación de opiniones subjetivas en redes sociales, Ingeniería: Ciencia, Tecnología e Innovación, 2014.

Reparaz D, Merlino H, Rancán C, Rodríguez D, Britos P, García R. Determinación de la eficacia de la braquiterapia en tratamiento de cáncer basda en minería de datos. En: X Workshop de Investigadores en Ciencias de la Computación, 2008.

Solarte R, Castro YV. Modelo híbrido para el diagnóstico de enfermedades cardiovasculares basado en inteligencia artificial, Tecnura, 35-52, 2012.

Pérez A. Aplicación de la red de probabilidad neuronal y escala de framingham para predicción de la hipertension arterial. En: Memorias Convención Internacional de Salud Públic,; La Habana, 2012.

Molero G, Céspedes Y, Campaña M. Caracterización y análisis de la base de datos de cáncer de mama SEER-DB. En: IX Congreso Internacional Informática en Salud, 2013.

Timarán R, Yépez M. La minería de datos aplicada al descubrimiento de patrones de supervivencia en mujeres con cáncer invasivo de cuello uterino, Universidad y salud, 117-129, 2012.

Hernández H. Aplicación de minería de datos a información de pacientes pre-diabéticos, Revista Iberoamericana de Producción Académica y Gestión Educativa, 2014.

Abad Grau M, Lerache J, Cervino C. Aplicación de Redes Bayesianas en el modelado de un sistema experto de triaje en servicios de urgencias médicas En: IX Workshop de Investigadores en Ciencias de la Computación, 2007.

Vergara Silva CL. Mejora en la gestión de recursos y calidad del servicio en el proceso de atención de urgencias en el Hospital Dr. Sótero del Río [Tesis de Maestría]. Chile: Universidad de Chile, 2012.

Reveco C, Weber R. Gestión de Capacidad en el Servicio de Urgencia en un Hospital Público, Revista Ingeniería de Sistemas XXV, 2011.

Echeverria Briones PF, Aviles Monroy JA, Navarro T, Toapaxi C. Sistema De Predicción Y Clasificación Para La Utilización De Recursos Humanos Para El Área De Emergencias De Un Hospital [Tesis de Pregrado]. Ecuador: Escuela Superior Politécnica del Litoral, 2009.

Sebastiani F. Machine learning in automated text categorization, ACM Computing Surveys, 34(1), 1-47, 2002.

Zhong N, Li Y, Wu ST. Effective Pattern Discovery for Text Mining, Transactions on knowledge and data engineering, 24(1), 30-44, 2010.

Piedra D, Antoni F, Joaquim G. Minería de textos y medicina: utilidad en las enfermedades respiratorias, Archivos de Bronco neumología, 50(3), 113-119, 2014.

Choubassi M, Nefian A, Kozintsev I, Bouguet J, Wu Y. Web image clustering, Acoustics, Speech and Signal Processing, 2007.

Hsu W, Mong LL, Ji Z. Image Mining: Trends and Developments, Journal of Intelligent Information Systems, 19(1), 7-23, 2002.

Emam A. Intelligent drowsy eye detection using image mining, Information Systems Frontiers, 1-14, 2014.

Santana P, Costaguta R, Missio D. Aplicación de Algoritmos de Clasificación de Minería de Textos para el Reconocimiento de Habilidades de Etutores Colaborativos, Revista Iberoamericana de Inteligencia Artificial, 57-67, 2014.

Dávila F, Sánchez Y. Técnicas de minería de datos aplicadas al diagnóstico de enfermedades clínicas, Revista Cubana de Informática Médica, 2012.


Enlaces refback

  • No hay ningún enlace refback.


Revista Politécnica
ISSN: 1900-2351
ISSN: 2256-5353 (En Línea)