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




Dispositivo portátil de conteo de sibilancias monitorea la respiración del paciente en tiempo real

Por el equipo editorial de HospiMedica en español
Actualizado el 22 May 2024
Print article
Imagen: Un algoritmo puede proporcionar alertas médicas tempranas sobre el inicio de problemas respiratorios (foto cortesía de 123RF)
Imagen: Un algoritmo puede proporcionar alertas médicas tempranas sobre el inicio de problemas respiratorios (foto cortesía de 123RF)

Las enfermedades pulmonares como el asma, la enfermedad pulmonar obstructiva crónica (EPOC), el cáncer de pulmón, la bronquitis y las infecciones como la neumonía se encuentran entre las principales causas de muerte en todo el mundo. Tradicionalmente, los profesionales médicos diagnostican estas afecciones escuchando la respiración del paciente con un estetoscopio para detectar sonidos anormales como sibilancias o crujidos, que son indicadores comunes de muchas enfermedades pulmonares y respiratorias. Este método de diagnóstico exige una gran experiencia y una mala interpretación de estos sonidos puede dar como resultado diagnósticos incorrectos. Los investigadores ahora han desarrollado un algoritmo de inteligencia artificial (IA) que monitorea continuamente la respiración de un paciente y emite alertas médicas tempranas sobre posibles ataques de asma u otros problemas respiratorios.

Desarrollado por un equipo de la Universidad de Texas en Dallas (Richardson, TX, EUA), este algoritmo monitorea la respiración de un paciente en tiempo real y analiza la frecuencia de las sibilancias. Esto mejora la monitorización de los sonidos pulmonares para la prevención de síntomas, la detección temprana de enfermedades respiratorias y el alivio de los síntomas. El equipo de investigación entrenó su modelo de aprendizaje profundo utilizando un conjunto de datos que comprende 535 ciclos de respiración de varias fuentes de datos de pacientes para identificar patrones de respiración indicativos de síntomas asmáticos. Este innovador contador de sibilancias está preparado para transformar el enfoque para predecir enfermedades pulmonares basándose en patrones respiratorios a largo plazo.

El desafío en un entorno clínico es monitorear continuamente el patrón y la frecuencia de los sonidos pulmonares anormales durante períodos prolongados, lo cual actualmente no es práctico. El algoritmo desarrollado aborda esto no solo identificando sonidos anormales en cada respiración sino también capturando un conjunto completo de datos que incluye patrones de respiración atípicos. El siguiente paso para los investigadores es integrar esta tecnología en un dispositivo portátil, permitiendo su uso tanto en entornos clínicos como no clínicos para facilitar la detección sobre la marcha y las intervenciones médicas remotas. En el futuro, el equipo pretende combinar lecturas de contaminación del aire en tiempo real con análisis del sonido respiratorio en tiempo real en un único dispositivo portátil para ofrecer un seguimiento continuo de la salud respiratoria.

“Desarrollamos el algoritmo de aprendizaje profundo para detectar automáticamente si la respiración de alguien es problemática. Cuando alguien tiene sibilancias, el algoritmo contará el número de incidencias y analizará su momento”, dijo el Dr. Dohyeong Kim, investigador de la Universidad de Texas en Dallas. “Nuestro método de recuento de sibilancias es sencillo pero eficaz, y tiene potencial de expansión hacia la monitorización automática de síntomas. Esto podría ser crucial para predecir la aparición o la gravedad de anomalías futuras, así como para detectar los síntomas actuales”.

Enlaces relacionados:
Universidad de Texas en Dallas


Print article

Canales

Técnicas Quirúrgicas

ver canal
Imagen: Los cirujanos pueden usar el tinte brillante para eliminar el cáncer de próstata (foto cortesía de 123RF)

Tinte fluorescente ayuda a cirujanos a eliminar células de cáncer de próstata ocultas en tiempo real

La cirugía suele ser la forma más eficaz de curar el cáncer cuando se detecta y extirpa en sus etapas iniciales. Sin embargo, en estas primeras etapas, es extremadamente difícil... 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.