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 hp
Ingresar
Publique su anuncio con nosotros
RANDOX LABORATORIES

Deascargar La Aplicación Móvil





Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19

Por el equipo editorial de HospiMedica en español
Actualizado el 20 May 2022
Print article
Imagen: El sistema de alerta temprana pronostica quién necesita cuidados intensivos debido a la COVID-19 (Fotografía cortesía de Unsplash)
Imagen: El sistema de alerta temprana pronostica quién necesita cuidados intensivos debido a la COVID-19 (Fotografía cortesía de Unsplash)

Los científicos han desarrollado y validado un algoritmo que puede ayudar a los profesionales de la salud a identificar quién tiene más riesgo de morir por COVID-19 cuando ingresa en un hospital. La herramienta, que utiliza inteligencia artificial (IA), podría ayudar a los médicos a dirigir los recursos de atención crítica a quienes más los necesitan, y será especialmente valiosa para los países con recursos limitados.

Para desarrollar la herramienta, un equipo internacional, dirigido por la Universidad de Viena (Viena, Austria), utilizó datos bioquímicos de extracciones de sangre de rutina realizadas en casi 30.000 pacientes hospitalizados en más de 150 hospitales en España, EUA, Honduras, Bolivia y Argentina, entre marzo de 2020 y febrero de 2022. Esto significa que pudieron capturar datos de personas con diferentes estados inmunitarios (vacunados, no vacunados y con inmunidad natural) y de personas infectadas con todas las variantes del SARS-CoV-2, desde el virus que surgió en Wuhan, China hasta la última variante, Omicron.

El algoritmo resultante, llamado Predictor del Resultado de la Enfermedad COVID-19 (Disease Outcome COVID-19, CODOP), utiliza mediciones de 12 moléculas de sangre que normalmente se recolectan durante la admisión. Esto significa que la herramienta predictiva se puede integrar fácilmente en la atención clínica de cualquier hospital. CODOP se desarrolló en un proceso de varios pasos, utilizando inicialmente datos de pacientes hospitalizados en más de 120 hospitales en España, para ‘entrenar’ el sistema de IA para predecir las características de un mal pronóstico. El siguiente paso fue asegurarse de que la herramienta funcionara independientemente del estado inmunitario de los pacientes o de la variante de COVID-19, por lo que probaron el algoritmo en varios subgrupos de pacientes geográficamente dispersos. La herramienta también funcionó bien para predecir el riesgo de muerte en el hospital durante este escenario fluctuante de la pandemia, lo que sugiere que las mediciones en las que se basa CODOP son biomarcadores verdaderamente significativos de si es probable que un paciente con COVID-19 se deteriore.

Para probar si el momento de realizar los análisis de sangre afecta el desempeño de la herramienta, el equipo comparó datos de diferentes puntos de tiempo de extracción de sangre antes de que los pacientes se recuperaran o murieran. Descubrieron que el algoritmo puede predecir la supervivencia o la muerte de pacientes hospitalizados con gran exactitud hasta nueve días antes de que ocurra cualquiera de los resultados. Finalmente, crearon dos versiones diferentes de la herramienta para usar en escenarios donde los recursos de atención médica funcionan normalmente o están bajo una gran presión. Bajo una carga operativa normal, los médicos pueden optar por utilizar una versión de “sobretriaje”, que es muy sensible para detectar a las personas con mayor riesgo de muerte, a expensas de captar a algunas personas que no requerían cuidados críticos. El modelo alternativo de “subtriage” minimiza la posibilidad de seleccionar erróneamente a las personas con menor riesgo de morir, brindando a los médicos una mayor certeza de que dirigen la atención a las personas con mayor riesgo cuando los recursos son muy limitados.

“El desempeño de CODOP en grupos de pacientes diversos y geográficamente dispersos y la facilidad de uso sugieren que podría ser una herramienta valiosa en la clínica, especialmente en países con recursos limitados”, dijo el líder de este proyecto internacional y autor principal, David Gómez-Varela, antiguo líder del grupo Max Planck y actual científico principal de la División de Farmacología y Toxicología de la Universidad de Viena. “Nuestro trabajo se concentra ahora en un modelo dual de seguimiento adaptado al escenario pandémico actual de aumento de infecciones y protección inmunológica acumulativa, que predecirá la necesidad de hospitalización en las siguientes 24 horas para los pacientes en atención primaria y la admisión en cuidados intensivos en las 48 horas siguientes para aquellos ya hospitalizados. Esperamos ayudar a los sistemas de atención médica a restaurar los estándares anteriores de atención de rutina antes de que se produjera la pandemia”.

Enlaces relacionados:
Universidad de Viena  

Miembro Oro
VISOR EN PANTALLA DE DIAGNÓSTICO EN TIEMPO REAL
GEMweb Live
Flocked Fiber Swabs
Puritan® patented HydraFlock®
New
Sterilizer
50HPO
New
Opaque X-Ray Mobile Lead Barrier
2594M

Print article
Radcal

Canales

Cuidados Criticos

ver canal
Imagen: El algoritmo informático de dos etapas detecta la epilepsia con alta precisión a partir de registros de EEG (foto cortesía de 123RF)

Algoritmo de IA automatiza el análisis de EEG para detectar epilepsia con alta precisión

La epilepsia es uno de los trastornos neurológicos más comunes, afectando a 50 millones de personas en todo el mundo. Las convulsiones epilépticas son consecuencia de una actividad... Más

Técnicas Quirúrgicas

ver canal
Imagen: Ilustración de cómo las láminas de grafeno se alinean sobre una superficie y pueden matar bacterias sin dañar las células humanas sanas (foto cortesía de Yen Sandqvist)

Material de recubrimiento de grafeno ultrafino abre el camino a dispositivos médicos bactericidas

Las infecciones asociadas a la atención sanitaria son un problema global significativo, que conduce a un gran sufrimiento, incremento en los costos de atención médica y un mayor riesgo... Más

Cuidados de Pacientes

ver canal
Imagen: La tecnología portátil de BeamClean inactiva los patógenos en superficies comúnmente tocadas en segundos (foto cortesía de Freestyle Partners))

Tecnología portátil de luz germicida, única en su tipo, desinfecta superficies clínicas de alto contacto en segundos

La reducción de las infecciones adquiridas en la atención sanitaria (IAAS) sigue siendo una cuestión apremiante dentro de los sistemas sanitarios mundiales. Sólo en Estados Unidos, 1,7 millones de pacientes... Más

TI

ver canal
Imagen: El primer modelo específico de la institución proporciona una ventaja de desempeñoa significativa sobre los modelos actuales basados en la población (Fotografía cortesía de Mount Sinai)

Modelo de aprendizaje automático mejora predicción del riesgo de mortalidad para pacientes de cirugía cardíaca

Se han implementado algoritmos de aprendizaje automático para crear modelos predictivos en varios campos médicos, y algunos han demostrado mejores resultados en comparación con sus... Más

Pruebas POC

ver canal
Imagen: El lector de inmunoensayo cuantitativo RPD-3500 (Fotografía cortesía de BK Electronics)

Lector de inmunoensayo de pruebas POC proporciona análisis cuantitativo de kits de prueba para diagnóstico más preciso

Un lector de inmunoensayos cuantitativos pequeño y liviano que proporciona un análisis cuantitativo de cualquier tipo de kits o tiras de prueba rápida, y se puede conectar a una PC... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.