Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
IBA-Radcal

Descargar La Aplicación Móvil





Algoritmo de inteligencia artificial predice el riesgo individual de mortalidad para los pacientes con COVID-19

Por el equipo editorial de HospiMedica en español
Actualizado el 22 Feb 2021
Un algoritmo, desarrollado recientemente, entrenado con métodos de aprendizaje automático, usa la COVID-19 como ejemplo para predecir el riesgo de mortalidad individual de los pacientes.

Un equipo internacional, dirigido por investigadores del Instituto Max Planck de Sistemas Inteligentes (Tübingen, Alemania), desarrolló y entrenó el algoritmo para predecir el riesgo de mortalidad individual de los pacientes con COVID-19 basándose en los datos de miles de pacientes en todo el mundo. Más...
El algoritmo que tiene como objetivo ayudar a los profesionales médicos con predicciones de mortalidad para pacientes con COVID-19 también se puede entrenar para predecir el riesgo de mortalidad por otras enfermedades y, por lo tanto, apoyar a los médicos en los procesos de toma de decisiones.

El algoritmo, llamado Covews, que es la abreviatura de COVID-19 Early Warning System, (Sistema de Alerta Temprana para la COVID-19), se basa en datos médicos para predecir de manera confiable el riesgo de muerte de un paciente con hasta ocho días de anticipación con una sensibilidad de más del 95%. Esto significa que, en 95 de cada 100 casos, el algoritmo puede detectar si un paciente morirá a menos que se tomen medidas preventivas. Al mismo tiempo, Covews trabaja con una especificidad de poco menos del 70% para una predicción con ocho días de anticipación, lo que significa que, en aproximadamente 70 de cada 100 casos en los que predice la muerte, los pacientes finalmente mueren. En otras palabras, el algoritmo hace sonar una falsa alarma en solo 30 de cada 100 casos y es significativamente mejor para horizontes de tiempo más cortos. El algoritmo también se puede entrenar para hacer predicciones menos sensibles, pero más específicas.

Para desarrollar y especialmente para entrenar a Covews, los investigadores utilizaron 33.000 registros de datos anónimos de una cohorte llamada Optum, que rastrea a los pacientes en varios hospitales de EUA. Alimentaron el algoritmo con información sobre cómo varios parámetros de salud del paciente recopilados de forma rutinaria evolucionaron durante el curso de la enfermedad, y si la persona murió de COVID-19 o no. Como resultado, Covews aprendió a identificar patrones en los conjuntos de datos que indicaban un alto riesgo de mortalidad. Luego, el equipo internacional probó la exactitud con la que Covews determinó este riesgo en aproximadamente otros 14.000 conjuntos de datos de la cohorte Optum. Al probar Covews con datos de la red de salud global TriNetX, que incluye alrededor de 5.000 pacientes con pruebas COVID positivas en los EUA, Australia, India y Malasia, los investigadores demostraron que el algoritmo no solo predice el riesgo de mortalidad con un alto grado de certeza con conjuntos de datos de esta cohorte, sino también con datos de otros hospitales.

Aunque Covews hace predicciones fiables, es probable que pase bastante tiempo antes de que se utilice en la práctica. Esto se debe, en parte, a que en muchos hospitales los datos disponibles no están lo suficientemente estructurados, lo que hace que el desarrollo de un software adecuado basado en el algoritmo sea particularmente desafiante. En cualquier caso, al hacer que Covews esté disponible gratuitamente en Internet, los investigadores sientan las bases para poner el algoritmo en práctica rápidamente. No solo se podría usar para pacientes con COVID-19; con la formación adecuada, también podría predecir el riesgo de mortalidad por otras enfermedades.

“Por lo tanto, los médicos siempre deben decidir las medidas de tratamiento”, dijo Stefan Bauer del Instituto Max Planck de Sistemas Inteligentes, quien dirigió el equipo internacional de investigadores. “Sin embargo, nuestro algoritmo puede proporcionar información que la gente no puede derivar de los datos y que puede ayudar con la toma de decisiones médicas”.

Enlace relacionado:
Instituto Max Planck de Sistemas Inteligentes


Miembro Oro
12-Channel ECG
CM1200B
Hand-held Hemoglobin Analyzer
DiaSpect Tm
Glucose Meter
StatStrip®
Monitor de imágenes mamarias
Barco Coronis Onelook MDMC-32133 32MP
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a HospiMedica.es y acceda a las noticias y eventos que afectan al mundo de la Medicina.
  • Edición gratuita de la versión digital de HospiMedica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista HospiMedica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de HospiMedica en Español digital
  • Boletín de HospiMedica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Técnicas Quirúrgicas

ver canal
Imagen: La cirugía guiada por fluorescencia puede hacer que los nervios sean más fáciles de distinguir del tejido circundante, pero la iluminación ambiental brillante puede anular las débiles señales de fluorescencia, alterando las imágenes y el flujo de trabajo quirúrgico. Un sistema recientemente desarrollado utiliza modulación espaciotemporal para codificar la fluorescencia nerviosa con un patrón espacial y temporal distintivo, lo que permite separarla de la iluminación de fondo. (Crédito de la imagen: Y. Zhao/Physical Sciences Inc.)

Imagen por fluorescencia permite visualizar nervios con iluminación normal de quirófano

La prevención de lesiones nerviosas no intencionadas sigue siendo una preocupación importante durante la cirugía, especialmente en regiones anatómicas complejas donde los nervios... Más

Cuidados de Pacientes

ver canal
Imagen: Una vista del interior del entorno de realidad virtual personalizado utilizado en el estudio: una habitación tranquila con un osito de peluche, colores suaves y grandes ventanales con vistas al mar. (Crédito de la imagen: Walaa S. Abu Rukbah et al., Virginia Commonwealth University; CC-BY 4.0, https://creativecommons.org/licenses/by/4.0/)

Programa de realidad virtual podría reducir la ansiedad antes de cirugía pediátrica

La ansiedad antes de la cirugía afecta a un estimado del 50% al 75% de los niños sometidos a cirugía y puede complicar la inducción de la anestesia, aumentar el dolor posoperatorio... Más

Negocios

ver canal
Imagen: LigaSure RAS Maryland, diseñado para la plataforma Valleylab FT10 en Hugo RAS, sella y corta vasos, tejidos y vasos linfáticos de hasta 7 mm de diámetro (Fotografía cortesía de Medtronic)

Medtronic recibe autorización de la FDA para instrumento de sellado vascular en cirugía robótica

A medida que la cirugía asistida por robot se expande en los hospitales de Estados Unidos, los equipos buscan cada vez más instrumentos de energía con la familiaridad y el rendimiento... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.