Simulan un accidente de tráfico para valorar con drones el estado de los heridos en emergencias complejas
Este sistema de clasificación de heridos en remoto, impulsado por la Universidad de Jaén junto con el proyecto emprendedor Emergency Medical Drone, pretende ser de utilidad en accidentes con múltiples víctimas, donde el acceso inicial al accidente es imposible o peligroso para los rescatadores.
Fuente: Universidad de Jaén
El grupo Enfermería e Innovación en Cuidados de Salud (CTS-464) y el grupo Gráficos y Geomática de Jaén (TIC-144) de la Universidad de Jaén, junto con el proyecto emprendedor Emergency Medical Drone, llevaron a cabo un ejercicio práctico de vuelo con drones en los entornos de la UJA para explorar las posibilidades de estos vehículos aéreos no tripulados en el ámbito de las emergencias sanitarias.
Un momento del simulacro de accidente con heridos.
Para ello, la organización dispuso un escenario simulado de un accidente de tráfico con tres víctimas, en el cual se utilizaron drones para evaluar el lugar y estado de las mismas, utilizando un algoritmo de triaje remoto (ARTS), que se publicó hace escasos meses en la revista PLOS ONE.
Este sistema de clasificación de heridos en remoto pretende ser de utilidad en accidentes con múltiples víctimas, donde el acceso inicial al accidente es imposible o peligroso para los rescatadores.
En este sentido, durante este curso académico se realizarán más pruebas para valorar realmente el potencial de los drones en la clasificación de heridos en emergencias sanitarias.
Últimas publicaciones
La Fundación Descubre-Consejería de Universidad, Investigación e Innovación y la Universidad Pablo de Olavide coordinan esta entidad regional que persigue la atención y asesoramiento a las iniciativas basadas en la participación activa de la ciudadanía. En su nueva convocatoria de ayudas, financiará 8 proyectos que aborden retos científicos y sociales de la región hasta junio de 2027.
El proyecto está financiado por el programa Erasmus+ de la Unión Europea y cuenta con la participación de instituciones de Italia, España y Francia.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado un sistema basado en aprendizaje profundo capaz de localizar y clasificar automáticamente anomalías en radiografías de tórax. Los resultados mejoran la precisión de otros métodos utilizados y lo validan como una herramienta con potencial para dar soporte a la evaluación precoz de patologías del pulmón.
