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
ARAB HEALTH - INFORMA

Deascargar La Aplicación Móvil




Herramienta de IA ayuda a identificar el riesgo de insuficiencia cardíaca en pacientes con diabetes

Por el equipo editorial de HospiMedica en español
Actualizado el 29 Oct 2024
Print article
Imagen:El modelo de aprendizaje automático predice la miocardiopatía diabética de alto riesgo (foto cortesía de 123RF)
Imagen:El modelo de aprendizaje automático predice la miocardiopatía diabética de alto riesgo (foto cortesía de 123RF)

La miocardiopatía diabética es una enfermedad cardíaca caracterizada por cambios anormales en la estructura y función del corazón, lo que aumenta el riesgo de insuficiencia cardíaca en los pacientes. Definir esta enfermedad ha sido un desafío debido a sus etapas iniciales asintomáticas y los diversos efectos que puede tener en el corazón. El aprendizaje automático ha surgido como una herramienta para identificar a los pacientes de alto riesgo, proporcionando potencialmente un enfoque más matizado en comparación con los métodos diagnósticos tradicionales. Los investigadores ahora han creado un modelo de aprendizaje automático capaz de identificar a los pacientes con miocardiopatía diabética. Los hallazgos, publicados en el European Journal of Heart Failure, presentan una estrategia basada en datos para detectar un fenotipo de miocardiopatía diabética de alto riesgo, lo que facilita las intervenciones tempranas que podrían ayudar a prevenir la insuficiencia cardíaca en este grupo vulnerable.

Los fenotipos se refieren a las características físicas observables de los individuos que confieren rasgos biológicos específicos. Los investigadores del UT Southwestern Medical Center (Dallas, TX, EUA) analizaron datos de la cohorte "Atherosclerosis Risk in Communities", que constaba de más de 1.000 participantes con diabetes pero sin antecedentes de enfermedad cardiovascular. Al examinar un conjunto de 25 parámetros ecocardiográficos y biomarcadores cardíacos, el equipo identificó tres subgrupos de pacientes. Uno de estos subgrupos, que comprendía el 27 % de la cohorte, se clasificó como el fenotipo de alto riesgo. Los pacientes de este grupo mostraron niveles significativamente elevados de NT-proBNP, un biomarcador asociado con el estrés cardíaco, junto con características anormales de remodelación cardíaca, como aumento de la masa ventricular izquierda y deterioro de la función diastólica. Cabe destacar que la incidencia de insuficiencia cardíaca a cinco años en este subgrupo fue del 12,1 %, que fue considerablemente más alta que en los otros grupos.

Tras estos hallazgos, los investigadores desarrollaron un clasificador de redes neuronales profundas para identificar la miocardiopatía diabética. Cuando se validó en cohortes adicionales, el modelo detectó que entre el 16 % y el 29 % de los pacientes diabéticos tenían el fenotipo de alto riesgo. Estos pacientes mostraron consistentemente una mayor incidencia de insuficiencia cardíaca. Clínicamente, este modelo podría ayudar a dirigir terapias preventivas intensivas, como los inhibidores de SGLT2, que son medicamentos utilizados para controlar la diabetes tipo 2, a los pacientes que tienen más probabilidades de beneficiarse. También podría mejorar los ensayos clínicos enfocados en estrategias de prevención de insuficiencia cardíaca en pacientes diabéticos. Al ofrecer un nuevo método para identificar a las personas en riesgo de insuficiencia cardíaca, el modelo podría permitir intervenciones más tempranas y proactivas, mejorando así los resultados de los pacientes e influyendo en futuras investigaciones en el cuidado cardiovascular.

“Esta investigación es notable porque utiliza el aprendizaje automático para proporcionar una caracterización integral de la miocardiopatía diabética (una afección que carecía de una definición consensuada) e identifica un fenotipo de alto riesgo que podría orientar estrategias de prevención de la insuficiencia cardíaca más específicas en pacientes con diabetes”, dijo el autor principal Ambarish Pandey, MD, profesor asociado de Medicina Interna en la División de Cardiología de UT Southwestern. “Esto se basa en nuestro trabajo anterior que evaluó la prevalencia y las implicaciones pronósticas de la miocardiopatía diabética en adultos que viven en la comunidad. Amplía esos esfuerzos al utilizar el aprendizaje automático para identificar un fenotipo de miocardiopatía de alto riesgo más específico”.

Miembro Oro
SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test
SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)
Miembro Oro
VISOR EN PANTALLA DE DIAGNÓSTICO EN TIEMPO REAL
GEMweb Live
New
Vertebral Body Replacement System
Hydrolift
New
Monitor Cart
Tryten S5

Print article

Canales

Técnicas Quirúrgicas

ver canal
Imagen: La nueva combinación de tratamiento para el hematoma subdural reduce el riesgo de recurrencia (foto cortesía de la neurocirugía 85 (6): 801-807, diciembre de 2019)

Nueva combinación de cirugía y embolización para hematoma subdural reduce el riesgo de recurrencia

Los hematomas subdurales, que ocurren cuando se produce un sangrado entre el cerebro y su membrana protectora debido a un traumatismo, son comunes en los adultos mayores. Para 2030, se espera que los hematomas... Más

Cuidados de Pacientes

ver canal
Imagen: La plataforma de biosensores portátil utiliza sensores electroquímicos impresos para la detección rápida y selectiva de Staphylococcus aureus (foto cortesía de AIMPLAS)

Plataforma de biosensores portátiles reducirá infecciones adquiridas en el hospital

En la Unión Europea, aproximadamente 4 millones de pacientes adquieren infecciones asociadas a la atención de la salud (IAAS), o infecciones nosocomiales, cada año, lo que provoca alrededor de 37.... 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.