dc.contributor.advisor | Armengol de la Hoz, Miguel Ángel | es |
dc.contributor.advisor | Romero Ternero, María del Carmen | es |
dc.creator | Oprescu, Andreea M. | es |
dc.date.accessioned | 2024-02-14T09:13:53Z | |
dc.date.available | 2024-02-14T09:13:53Z | |
dc.date.issued | 2023-11-06 | |
dc.identifier.citation | Oprescu, A. . (2023). Metodologías y técnicas para el análisis de datos y el diseño y desarrollo de soluciones de inteligencia artificial confiable basadas en modelos predictivos en el ámbito de la salud. (Tesis Doctoral Inédita). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/155212 | |
dc.description.abstract | En este trabajo se presenta una contribución en el diseño y desarrollo de soluciones
de Inteligencia Artificial Confiables basadas en modelos predictivos en el ámbito
de la salud. En el año 2019, la Unión Europea comenzó a marcar, a través de sus directrices,
el camino que el diseño y desarrollo de soluciones basadas en IA deben seguir
con el objetivo de promover la adopción de esta tecnología a una mayor escala y con las
suficientes garantías de respeto de los derechos humanos, la ética y la seguridad en su
aplicación. Estas directrices buscan impulsar un uso responsable y confiable de la IA en
diversos ámbitos, entre los cuales se destaca el ámbito de la salud.
En este contexto, en esta tesis se han explorado metodologías, técnicas y estrategias
que promuevan el diseño y desarrollo de sistemas de IA confiables. Uno de los
pilares fundamentales de esta tesis ha sido el uso de la metodología de diseño centrado
en la persona con el propósito de que las soluciones de IA propuestas estén alineadas
con las necesidades y expectativas y contextos de los usuarios finales. Por otro lado, el
uso de modelos altamente interpretables y la propuesta de una innovadora estrategia
de validación demuestra el compromiso con la investigación en el diseño y desarrollo
sistemas de IA confiables en el ámbito de la salud.
La tesis se ha desarrollado en el marco de casos de uso reales, en los que se
han contado con el conocimiento experto de un equipo de profesionales clínicos, cuya
participación ha permitido proponer soluciones que puedan contribuir positivamente
al campo de la salud y la asistencia clínica. | es |
dc.description.abstract | This work presents a contribution to the design and development of Trustworthy Artificial
Intelligence solutions based on predictive models in the healthcare domain. In
2019, the European Union started to establish a path for the design and development
of AI-based solutions through its guidelines. The aim is to promote a more widespread
adoption of this technology, ensuring it adheres to human rights, ethics and security in
its application. These guidelines seek to drive a responsible and trustworthy use of AI
in healthcare, among other domains.
In this context, different methodologies, techniques and strategies that promote
the design and development of trustworthy AI have been explored in this work.
On one hand, one of the main foundations of this thesis has been the use of a usercentered
design methodology with the objective to ensure that the proposed AI solutions
are aligned with the needs, expectations, and contexts of the end users. On the
other hand, the use of highly interpretable models and the innovative validation strategy
proposed demonstrate the commitment in designing and developing trustworthy
AI systems in healthcare.
This thesis has been conducted within the context of real-world use cases with
the input of a group of clinical experts. Their participations has enabled the proposal
of solutions that could make a positive impact in the healthcare domain and clinical
support. | es |
dc.format | application/pdf | es |
dc.format.extent | 323 p. | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Metodologías y técnicas para el análisis de datos y el diseño y desarrollo de soluciones de inteligencia artificial confiable basadas en modelos predictivos en el ámbito de la salud | es |
dc.type | info:eu-repo/semantics/doctoralThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/embargoedAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Tecnología Electrónica | es |
dc.date.embargoEndDate | 2024-11-06 | |