Processant ...

Aquest treball desenvolupa un model predictiu per anticipar la funcionalitat renal als tres mesos post trasplantament mitjançant la integració de dades multimodals i tècniques d’aprenentatge automàtic. Les dades provenen del projecte KidneyColor de l’Hospital Vall d’Hebron, que ha proporcionat tant les dades clíniques dels donants com imatges macroscòpiques dels ronyons obtingudes durant la cirurgia. Aquestes imatges han estat processades durant unes pràctiques acadèmiques a l’empresa Sinapsys Ubiquitous Computing SL, on s’han aplicat tècniques de segmentació (U-Net), extracció de descriptors visuals (histogrames i deep features amb ResNet50), i reducció dimensional. Les dades clíniques i macroestructurades s’han preprocesat, codificat i escalat per a la seva integració. S’han entrenat models Random Forest i XGBoost amb diferents combinacions de dades. Els millors resultats s’han obtingut amb models multimodals, destacant Random Forest amb la combinació de dades clíniques, macroestructurades i visuals (Composite Score de 0.76 i recall de 1.00). L’estudi demostra el valor de la integració d’informació visual i clínica per millorar la predicció i la gestió en trasplantament renal.