Cookies policy

GNOSS usa cookies, propias y de terceros, con finalidad principalmente técnica y necesaria para prestación de nuestros servicios y mostrarles contenido relevante. Más información en nuestra política de cookies.

ACEPTA para confirmar que has leído la información y aceptado su instalación. Puedes modificar la configuración de tu navegador.

About cookies on this website

Technical

Technical cookies are those essential and strictly necessary for the proper functioning of the Website and the use of the different options and services it offers, including those that the editor uses to enable the operational management of the website and enable its functions and services. For example, those used for session maintenance, response time management, performance or validation of options, use of security elements, sharing content with social networks, etc. The website cannot function properly without these cookies.

Analytical cookies

These are cookies that allow the party responsible for them to monitor and analyse the behaviour of users of the websites to which they are linked, including the quantification of the impact of advertisements. The information collected through this type of cookies is used to measure the activity of the websites, application or platform, in order to introduce improvements based on the analysis of the usage data of the users of the service.

Technical

INDUSTRIAS

Salud, Bio y Farma

Impulsamos la medicina basada en la evidencia mediante grafos de conocimiento que conectan datos clínicos, investigación y experiencia médica.

Diagnóstico Médico y Atención Sanitaria

El sector salud presenta algunos de los casos más convincentes para la IA Automatizada:

Diagnóstico asistido: Combinando reconocimiento de patrones con razonamiento basado en conocimiento médico formalizado.
Planificación de tratamientos: Con verificación automática contra guías clínicas formalizadas.
Gestión de recursos hospitalarios: Optimización con garantías éticas explícitas.

Esteva et al. (2021) demuestran que los sistemas híbridos que combinan representaciones ontológicas médicas con modelos de aprendizaje profundo reducen significativamente los errores diagnósticos en comparación con enfoques puramente estadísticos.