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.

Please note that the HospiMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil





IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas

Por el equipo editorial de HospiMedica en español
Actualizado el 07 Apr 2022
Print article
Imagen: El algoritmo de aprendizaje profundo de TC de tórax cuantifica la enfermedad pulmonar por COVID-19 (Fotografía cortesía de Pexels)
Imagen: El algoritmo de aprendizaje profundo de TC de tórax cuantifica la enfermedad pulmonar por COVID-19 (Fotografía cortesía de Pexels)

Un estudio nuevo para evaluar la capacidad de un algoritmo de aprendizaje profundo de TC de tórax para la cuantificación de la enfermedad pulmonar por COVID-19 descubrió que era altamente predictivo de los resultados de los pacientes hospitalizados y se desempeñaba a un nivel casi experto.

Investigadores de la Universidad Médica de Carolina del Sur (Charleston, SC, EUA), evaluaron la capacidad de una red neuronal convolucional profunda (dCNN) para predecir los resultados de los pacientes hospitalizados asociados con la neumonía por COVID-19. Para el estudio, se probó una dCNN previamente entrenada en una cohorte de validación externa de 241 pacientes que se presentaron en el departamento de emergencias y les practicaron una tomografía computarizada de tórax, 93 con COVID-19 y 168 sin COVID-19. Los sistemas de puntuación de opacidad del espacio aéreo se definieron por el grado de opacidad del espacio aéreo en cada lóbulo, totalizado en todos los pulmones. Los puntajes de expertos y dCNN se evaluaron simultáneamente para determinar la concordancia entre observadores, mientras que tanto los valores de dCNN que identificaron el puntaje de opacidad del espacio aéreo como los valores de opacidad sin procesar se usaron en la predicción del diagnóstico de COVID-19 y los resultados de los pacientes hospitalizados.

El estudio reveló que la concordancia entre observadores para la puntuación de la opacidad del espacio aéreo fue de 0,892 (IC del 95 %: 0,834-0,930). La probabilidad de cada resultado se comportó como una función logística de la puntuación de opacidad (25 % de ingreso en la UCI con una puntuación de 13/25, 25 % de intubación con 17/25 y 25 % de mortalidad con 20/25). El estudio también encontró que la duración de la hospitalización, la estancia en la UCI y la intubación se asociaron con una mayor puntuación de opacidad del espacio aéreo (p = 0,032, 0,039, 0,036, respectivamente). Con base en estos hallazgos, los investigadores concluyeron que la dCNN probada fue altamente predictiva de los resultados de los pacientes hospitalizados, puede funcionar a un nivel casi experto y proporcionar valor agregado para los médicos en términos de pronóstico y gravedad de la enfermedad.

“El uso de modelos de aprendizaje profundo de inteligencia artificial para pronosticar a partir de imágenes de TC se identificó desde el comienzo de la pandemia como una forma potencial de acelerar el proceso de clasificación, mejorar el pronóstico y la utilización de los recursos como guía”, explicó el autor correspondiente, U. Joseph Schoepf. , MD, de la División de Imágenes Cardiovasculares de la Universidad Médica de Carolina del Sur en Charleston. “Utilizar la puntuación de gravedad de la IA puede ser útil para enfrentar el desafío de la clasificación práctica y reproducible de pacientes con COVID-19 mediante la identificación de pacientes con alto riesgo de morbilidad y mortalidad”.

Enlaces relacionados:
Universidad Médica de Carolina del Sur


Print article

Canales

Cuidados Criticos

ver canal
Imagen: Solución inalámbrica de monitoreo de pacientes puede ayudar a los médicos a detectar el deterioro temprano del paciente (Fotografía cortesía de GE Healthcare)

Dispositivo inalámbrico monitorea la salud y detecta deterioro temprano en pacientes hospitalizados

A nivel mundial, se estima que el 65 % de los pacientes hospitalizados y más del 90 % de los pacientes de atención post-aguda son monitoreados manualmente y no continuamente.... Más

Cuidados de Pacientes

ver canal
Imagen: La película biomolecular se puede tomar con pinzas y colocarse sobre una herida (Fotografía cortesía de TUM)

Película biomolecular para cicatrización de heridas se adhiere al tejido sensible y libera ingredientes activos

Los vendajes convencionales pueden ser muy efectivos para tratar pequeñas abrasiones en la piel, pero las cosas se complican cuando se trata de lesiones en los tejidos blandos, como en la lengua... Más

Negocios

ver canal
Imagen: Mercado global de pruebas de microbiología  hospitalarias impulsado por el aumento de la prevalencia de enfermedades crónicas (Fotografía cortesía de Pexels)

Mercado de pruebas de microbiología hospitalaria impulsado por aumento en prevalencia de enfermedades crónicas

Los fabricantes y actores del mercado global de pruebas de microbiología hospitalaria ofrecen varios tipos de pruebas, incluidas las de hongos, virus y bacterias; así como instrumentos y... Más
Copyright © 2000-2022 Globetech Media. All rights reserved.