Herramientas de IA puntuadas para tu trabajo
Gana entrenando IA
🤝 Estás en la biblioteca Gratis y Open Source — herramientas creadas por la comunidad que puedes usar sin pagar. Un concepto distinto a nuestro directorio de IA puntuado.
Inicio › Gratis y Open Source › Medicina › nmed2024
✦ Gratis y open sourceMedicina

nmed2024

Marco de IA para el diagnóstico diferencial de las etiologías de la demencia en datos multimodales.

Marco de diagnóstico de demencia por IA

Marco de aprendizaje profundo para el diagnóstico diferencial de las etiologías de la demencia utilizando datos multimodales.

Gratis para siempre · open source · AGPL-3.0
✓ Needs IT✓ En el navegador✓ Colaboración en tiempo real
5.6
ZEKAI
Modelo de IA para demencia de Nature Medicine
Gratis y open source · Medicina
Facilidad de configuración3
Utilidad9
Mantenimiento5.5
Comunidad5
★ 103
GITHUB
Jan 2026
ACTUALIZADO
AGPL-3.0
LICENCIA
🛠 ¿No quieres alojarlo tú mismo? Podemos configurarlo →
⚡ Respuesta rápida

Esta herramienta proporciona un marco de aprendizaje profundo publicado en Nature Medicine para diagnosticar etiologías de demencia. Se adapta a investigadores clínicos y desarrolladores de IA médica que trabajan con datos de pacientes multimodales y exploraciones de resonancia magnética.

Funciona en
Cross-platform
Alojamiento
Self-host
Idiomas
Python
Licencia
AGPL-3.0

Qué es

Procesa datos demográficos a nivel individual, historiales médicos, exámenes neurológicos y exploraciones de resonancia magnética de secuencias múltiples a través de un modelo transformer. El marco clasifica a los individuos en trece categorías diagnósticas entre cognición normal, deterioro cognitivo leve y diez tipos de demencia.

Para quién

Es adecuado para investigadores y científicos de datos con acceso a cohortes clínicas e infraestructura de GPU que desear ejecutar una clasificación avanzada de demencia. No es adecuado para clínicos sin experiencia técnica o aquellos que carecen de la configuración requerida de Python y PyTorch.

Funciones clave

Fusión de datos multimodales

Combina datos demográficos, historial médico, pruebas neurológicas y resonancias magnéticas en un único modelo transformer.

Embeddings de resonancia magnética auto-supervisados

Extrae embeddings de imágenes utilizando un codificador Swin UNETR afinado con pesos preentrenados de forma auto-supervisada.

Trece categorías diagnósticas

Clasifica a los pacientes entre cognición normal, deterioro cognitivo leve y diez tipos de demencia distintos.

Demo interactiva de Huggingface

Proporciona un espacio alojado en línea para probar predicciones diagnósticas sin instalación local.

Cómo empezar

Listo en 3 pasos

1
Clona el repositorio e instala el paquete usando pip install git+https://github.com/vkola-lab/nmed2024.git.
2
Prepara tus resonancias magnéticas utilizando los scripts de extracción de cráneo proporcionados y genera embeddings de imágenes con Swin UNETR.
3
Configura tus rutas de datos en un archivo TOML y ejecuta los scripts de entrenamiento o predicción en el repositorio.
Sin rodeos

Nuestro veredicto honesto

Lo mejor

  • Metodología revisada por pares publicada en Nature Medicine basada en 9 cohortes distintas
  • Incluye código modular para la extracción de características de imagen y el entrenamiento de transformers
  • Admite configuraciones de entrada multimodal así como modos alternativos sin imágenes
  • Proporciona una demo interactiva accesible en Huggingface para pruebas en tiempo real

Sus límites

  • Requiere una configuración técnica significativa que incluye dependencias de Python, PyTorch, MONAI y TorchIO
  • Exige capacidad de hardware de múltiples GPU para entrenar el extractor de características de imagen y la estructura principal del transformer
  • Requiere archivos de configuración TOML precisos para formatear correctamente las características numéricas, categóricas y de imagen
Costo

Precios y licencia

La herramienta es gratuita bajo su licencia open source, y se aloja una demo interactiva en Huggingface, lo que significa que el único coste financiero es ejecutar tu propio hardware e infraestructura de computación.

Trabajo remunerado

Empleos para hispanohablantes

877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.

Ver todos los puestos abiertos →
Comparar

Alternativas

🎁 Alternativas gratis y open source

Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.

Más

Úsalo, o deja que lo configuremos

📄 PDF gratis: nmed2024 para Medicina
Una guía en lenguaje claro para tu primer resultado. Enviada a tu correo.
🔔 64 personas quieren un tutorial en vídeo completo — añade tu voto
🛠 ¿No quieres configurarlo tú mismo?
Instalamos, alojamos y configuramos nmed2024 por ti — y formamos a tu equipo.
Que lo hagamos por ti ↗
Preguntas

FAQ

¿Qué modalidades de datos admite el modelo?

El modelo admite datos demográficos, historial médico, pruebas neurológicas, exámenes físicos y exploraciones de resonancia magnética de secuencias múltiples.

¿Cómo puedo probar el modelo sin instalarlo localmente?

Puedes usar la demo interactiva de Huggingface Space alojada por los autores para explorar las predicciones del modelo en tiempo real.

¿Puedo ejecutar el modelo sin resonancias magnéticas?

Sí, puedes entrenar y ejecutar el modelo sin imágenes utilizando la configuración del indicador NonImg.

Radar

Últimas noticias de IA

✉️ El kit gratuito semanal
Las mejores nuevas herramientas gratis y open source para Medicina — un correo corto por semana, en tu idioma.
Gratis · 1 correo/semana · cancela cuando quieras
Gana dinero entrenando IA →

Ve Zekai primero en Google