Marco de IA para el diagnóstico diferencial de las etiologías de la demencia en datos multimodales.
Marco de aprendizaje profundo para el diagnóstico diferencial de las etiologías de la demencia utilizando datos multimodales.
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.
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.
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.
Combina datos demográficos, historial médico, pruebas neurológicas y resonancias magnéticas en un único modelo transformer.
Extrae embeddings de imágenes utilizando un codificador Swin UNETR afinado con pesos preentrenados de forma auto-supervisada.
Clasifica a los pacientes entre cognición normal, deterioro cognitivo leve y diez tipos de demencia distintos.
Proporciona un espacio alojado en línea para probar predicciones diagnósticas sin instalación local.
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.
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.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
El modelo admite datos demográficos, historial médico, pruebas neurológicas, exámenes físicos y exploraciones de resonancia magnética de secuencias múltiples.
Puedes usar la demo interactiva de Huggingface Space alojada por los autores para explorar las predicciones del modelo en tiempo real.
Sí, puedes entrenar y ejecutar el modelo sin imágenes utilizando la configuración del indicador NonImg.
Ve Zekai primero en Google