Modelo de IA para la detección precoz del SARS-CoV-2 en niños podría allanar el camino para un dispositivo diagnóstico de cabecera para la COVID-19

Los investigadores han trabajado en el desarrollo de un dispositivo portátil y rápido que cuantifique los miARN salivales con una exactitud comparable a la tecnología de predicados (qRT-PCR). El equipo desarrollará un sistema móvil y en la nube asistido por IA para el reconocimiento temprano de la infección grave por SARS-CoV-2 en niños.

Actualmente, no existen métodos para discernir el espectro de la gravedad de la enfermedad y predecir qué niños con exposición al SARS-CoV-2 desarrollarán una enfermedad grave, incluido el síndrome inflamatorio multisistémico (SIM-C). Debido a esto, existe una necesidad urgente de desarrollar una modalidad de diagnóstico para poder diferenciar los diferentes fenotipos de enfermedad y estratificar el riesgo. El equipo de investigación tiene como objetivo desarrollar un modelo de IA, innovador y eficiente, con biomarcadores no invasivos de integración de inteligencia en la nube y en el borde con determinantes sociales de la salud y datos clínicos para ayudar con la detección temprana de la enfermedad grave del SARS-CoV-2 en los niños.

“Nuestra investigación es fundamental, ya que esperamos mejorar los resultados de los niños con infección grave por SARS-CoV-2 mediante el reconocimiento temprano, la intervención oportuna y la asignación adecuada de recursos críticos”, dijo Dongxiao Zhu, Ph.D., profesor asociado de informática en la Facultad de Ingeniería y director del estudio. “La finalización con éxito del proyecto también será importante, ya que conducirá al desarrollo de un dispositivo de diagnóstico rápido de cabecera y la creación de perfiles de pacientes basados en factores de riesgo individuales que esperamos que conduzcan a tratamientos personalizados en el futuro”.

Enlace relacionado:
Universidad Estatal de Wayne