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

Descargar La Aplicación Móvil





Modelo de inteligencia artificial (IA) identifica a los pacientes con COVID-19 mediante pruebas de sangre y radiografías de tórax

Por el equipo editorial de HospiMedica en español
Actualizado el 27 Jul 2021
Los investigadores han desarrollado una aplicación de aprendizaje automático para la predicción de la infección por SARS-CoV-2 mediante análisis de sangre y radiografías de tórax.

El modelo de aprendizaje automático, desarrollado por investigadores de la Universidad de Hong Kong (Hong Kong), pudo lograr una alta exactitud para la predicción de la infección por SARS-CoV-2 en un estudio de validación. Más...
El uso complementario de la radiografía de tórax podría desempeñar un papel en el aumento de la sensibilidad al tiempo que se logra una especificidad moderada cuando se combina con el modelo de sangre de aprendizaje automático, lo que puede tener implicaciones potenciales en la clasificación de pacientes, particularmente cuando los recursos para las pruebas de RT-PCR son escasos.

El objetivo de este estudio fue aplicar aprendizaje automático para la tarea de detección de COVID-19 utilizando marcadores de laboratorio básicos y explorar el papel coadyuvante de las radiografías de tórax. Los investigadores inicialmente realizaron una comparación estadística de análisis de sangre en pacientes con diferentes etiologías de neumonía, incluido la COVID-19 que involucró a 5.148 pacientes en 24 hospitales de Hong Kong durante la primera y segunda oleadas de infección. Esto se hizo para establecer una comparación de laboratorio de referencia entre la COVID-19 de otras neumonías y otros diagnósticos. Luego, los investigadores entrenaron y validaron modelos de aprendizaje automático utilizando análisis de sangre básicos en comparación con las pruebas de RT-PCR de referencia para predecir el estado de la infección por COVID-19 y explorar diferentes escenarios de casos de uso con el complemento de las radiografías de tórax. Luego, los modelos se validaron con conjuntos de validación temporal en otras oleadas de infección en Hong Kong.

Para predecir la infección por SARS-CoV-2, el modelo de aprendizaje automático logró AUC y especificidad altas, pero baja sensibilidad en los tres conjuntos de validación (AUC: 89,9-95,8%; Sensibilidad: 55,5-77,8%; Especificidad: 91,5-98,3%). Cuando se utiliza junto con las interpretaciones de los radiólogos de las radiografías de tórax, la sensibilidad fue superior al 90% manteniendo una especificidad moderada. El estudio mostró que el modelo de aprendizaje automático basado en marcadores de laboratorio fácilmente disponibles podría lograr una alta exactitud en la predicción de la infección por SARS-CoV-2.

Enlace relacionado:
Universidad de Hong Kong


Miembro Oro
12-Channel ECG
CM1200B
Hand-held Hemoglobin Analyzer
DiaSpect Tm
Rapid Sepsis Test
SeptiCyte RAPID
Immobilization System
Cranial 4Pi Immobilization
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.