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
Sekisui Diagnostics UK Ltd.

Deascargar La Aplicación Móvil




Herramienta de IA predice con precisión signos de lesión renal en pacientes gravemente enfermos

Por el equipo editorial de HospiMedica en español
Actualizado el 29 Jan 2024
Print article
Imagen: El modelo de aprendizaje automático predice la oliguria en pacientes gravemente enfermos (Fotografía cortesía de 123RF)
Imagen: El modelo de aprendizaje automático predice la oliguria en pacientes gravemente enfermos (Fotografía cortesía de 123RF)

La lesión renal aguda (IRA), caracterizada por un rápido aumento de la creatinina sérica o una disminución de la producción de orina, es una causa principal de complicaciones y aumento de la mortalidad entre los pacientes en la unidad de cuidados intensivos (UCI). A pesar de la importancia de la detección e intervención tempranas en la IRA, los métodos de seguimiento actuales, como los signos vitales, los análisis de sangre y los análisis de orina, no ofrecen soluciones eficaces. La creatinina sérica, una herramienta de diagnóstico común para la IRA, no siempre es confiable para la detección temprana. El auge de la inteligencia artificial (IA) ha dado lugar a numerosos modelos de aprendizaje automático que han demostrado una alta precisión en la predicción de los resultados en los pacientes de la UCI, incluida la detección de IRA. Sin embargo, no se ha investigado exhaustivamente el uso del aprendizaje automático para predecir la oliguria, un componente crítico de la IRA que se asocia con una mayor mortalidad.

Investigadores de la Facultad de Medicina de la Universidad de Chiba (Chiba, Japón) han desarrollado un modelo de aprendizaje automático que podría predecir la aparición de oliguria en pacientes de la UCI. Desarrollaron el modelo y evaluaron su precisión utilizando datos de una UCI mixta médica y quirúrgica de un solo centro de gran tamaño. El modelo se basó en 28 variables clínicamente relevantes, incluida la diuresis, la puntuación SOFA, la creatinina sérica, la pO2, la PDF, la IL-6 y la temperatura periférica. Mostró un área bajo la curva (AUC) alta de más de 0,90 para predecir oliguria entre 6 y 72 horas. Esta alta precisión se atribuyó al gran conjunto de datos de más de 10.000 pacientes, que proporcionó una gran cantidad de datos de entrenamiento. La alta precisión del modelo y su capacidad para predecir oliguria durante períodos más largos con el AUC permaneciendo sin cambios incluso después de reducir las variables en el desarrollo del modelo, indican su solidez.

Además, el método de predecir la aparición de oliguria a partir de un momento arbitrario podría haber mejorado la precisión al aumentar la cantidad de conjuntos de datos de entrenamiento. El modelo se construyó sobre la base de 28 variables clínicamente relevantes, aunque la superposición de las principales variables enumeradas en el modelo con las de un conjunto de datos de 1.018 valores respalda la viabilidad de las variables elegidas para la predicción. Dado que la oliguria puede identificar la IRA antes que la creatinina sérica y está relacionada con malos resultados en pacientes gravemente enfermos, este modelo de aprendizaje automático podría ser fundamental en la detección temprana de la IRA. Esta detección temprana podría conducir a un mejor manejo de los pacientes e intervenciones oportunas, lo que podría mejorar el pronóstico para este grupo de pacientes.

Enlaces relacionados:
Facultad de Medicina de la Universidad de Chiba

Miembro Oro
Disposable Protective Suit For Medical Use
Disposable Protective Suit For Medical Use
Miembro Oro
Analizador de gases en sangre POC
Stat Profile Prime Plus
Miembro Plata
Compact 14-Day Uninterrupted Holter ECG
NR-314P
New
Mechanical Baby Scale
seca 725

Print article

Canales

Técnicas Quirúrgicas

ver canal
Imagen: El nuevo dispositivo para monitorear la vejigaestá compuesto por múltiples sensores que trabajan juntos para medir la tensión (Fotografía cortesía de la Universidad Northwestern)

Implante suave, flexible y sin baterías monitorea continuamente función de la vejiga

Millones de personas en todo el mundo luchan contra disfunciones de la vejiga debido a problemas nerviosos, cerebrales o de la médula espinal que surgen de afecciones congénitas como la espina... Más

Cuidados de Pacientes

ver canal
Imagen: La solución recientemente lanzada puede transformar la programación del quirófano e impulsar las tasas de utilización  (Fotografía cortesía de Fujitsu)

Solución de optimización de la capacidad quirúrgica ayuda a hospitales a impulsar utilización de quirófanos

Una solución innovadora tiene la capacidad de transformar la utilización de la capacidad quirúrgica al atacar la causa raíz de las ineficiencias los bloques de tiempo quirúrgico.... 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.