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.

Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Tecnología predice reingreso en insuficiencia cardíaca

Por el equipo editorial de HospiMedica en español
Actualizado el 05 Jan 2018
Print article
Hitachi, Ltd. (Tokio, Japón) y Partners Connected Health (Somerville, MA, EUA) han colaborado para desarrollar una tecnología de inteligencia artificial (IA), que puede predecir con mucha exactitud el riesgo de reingresos hospitalarios en un plazo máximo de 30 días para los pacientes con insuficiencia cardíaca. La tecnología de IA ayuda a elegir a los pacientes apropiados para participar en un programa de prevención de readmisión después del alta hospitalaria y proporciona una explicación de por qué los pacientes han sido identificados como de alto riesgo.
 
Partners Connected Health, de Partners HealthCare, aprovecha la tecnología de la información (teléfonos móviles, tabletas, dispositivos portátiles, sensores y herramientas remotas de control de la salud) para brindar atención de calidad a los pacientes por fuera de los entornos médicos tradicionales. El equipo de Connected Health crea y despliega tecnologías móviles en una cantidad de poblaciones de pacientes y entornos de atención, y realiza estudios de investigación innovadores para probar la efectividad de las tecnologías de salud móviles en diversas aplicaciones clínicas, incluida la adherencia a medicamentos, la coordinación de la atención, el manejo de las enfermedades crónicas, la prevención y el bienestar
 
La nueva tecnología de inteligencia artificial de Hitachi utiliza el aprendizaje profundo para construir el modelo de predicción de riesgos. La tecnología de la compañía para la predicción del riesgo analiza los resultados presentados por el aprendizaje profundo y extrae varias docenas de factores procesables para cada paciente a partir de la gran cantidad de datos recopilados de los pacientes con insuficiencia cardíaca. A través de un método estadístico estándar basado en este modelo de predicción de riesgos, los factores extraídos se utilizan para calcular el riesgo de readmisión hospitalaria y se calcula la relevancia de los factores.
 
Como parte de un estudio, el equipo de Partners Connected Health Innovation simuló el programa de predicción de readmisión entre pacientes con insuficiencia cardíaca que participan en el Programa de Atención Cardiaca de Partners (CCCP), un programa de educación y monitorización a distancia diseñado para mejorar el manejo de pacientes con insuficiencia cardíaca en riesgo para la hospitalización. Estos resultados se compararon con datos de aproximadamente 12.000 pacientes con insuficiencia cardíaca hospitalizados y dados de alta de la red hospitalaria de Partners HealthCare en 2014 y 2015. El análisis mostró que el algoritmo de predicción alcanzó una exactitud alta de aproximadamente un AUC 0,71 y puede reducir significativamente el número de readmisiones de los pacientes. (AUC, que se refiere al área debajo de la curva, es una medida del rendimiento de los modelos de predicción con un rango de valores ideales de 0 a 1.) Como resultado, se puede esperar un ahorro adicional de aproximadamente 7.000 dólares por paciente por año entre la cohorte de los pacientes CCCP.
 
La tecnología es un ejemplo de IA explicable, un nuevo término actualmente definido como habilitar máquinas para explicar sus decisiones y acciones a los usuarios humanos, y permitirles comprender, confiar de manera adecuada y gestionar eficazmente las herramientas de IA, manteniendo un alto nivel de exactitud de predicción. Hitachi y el equipo de Partners Connected Health Innovation planean llevar a cabo conjuntamente un estudio prospectivo para evaluar el programa de predicción por parte de los médicos, y estudiar cómo integrarlo dentro de los flujos de trabajo clínicos. Al utilizar esta nueva tecnología de inteligencia artificial, Hitachi proporcionará soluciones para el campo médico, incluidas soluciones para compañías farmacéuticas y de seguros, servicios de emergencia y otros servicios de atención médica en los que se puede utilizar la predicción basada en datos médicos.
 
“El aprendizaje automático tradicional puede ayudarnos a predecir eventos, pero como usuarios finales, no podemos decir por qué la máquina predice algo de cierta manera”, dijo Kamal Jethwani, MD, MPH, Director Senior de Partners Connected Health Innovation. “Con esta innovación, los médicos y las enfermeras que utilizan el algoritmo podrán decir exactamente por qué un determinado paciente está en alto riesgo de ingreso hospitalario y qué pueden hacer al respecto. Queremos que nuestros proveedores actúen sobre esta información, que es un paso más allá del estado del arte de hoy en día, en términos de algoritmos de aprendizaje automático”.
 
Miembro Oro
12-Channel ECG
CM1200B
Miembro Oro
Analizador de gases en sangre POC
Stat Profile Prime Plus
Miembro Plata
Compact 14-Day Uninterrupted Holter ECG
NR-314P
New
Vital Signs Monitor
M3/M3A

Print article

Canales

Cuidados Criticos

ver canal
Imagen: Ejemplar de modelo de flujo vascular; flujo de aneurisma intracraneal, tratamiento y trombosis (Fotografía cortesía de la Universidad de Leeds)

Simulación del flujo sanguíneo más rápida y precisa podría revolucionar tratamiento de enfermedades vasculares

El campo del modelado del flujo vascular es vital para comprender y tratar las enfermedades vasculares, pero tradicionalmente, estos métodos requieren mucho trabajo y cálculo.... Más

Técnicas Quirúrgicas

ver canal
Imagen: Un primer plano del adhesivo imprimible en 3D (Fotografía cortesía de Hyunwoo Yuk)

Adhesivo de tejido imprimible en 3D con función repelente de sangre podría revolucionar cierre de heridas quirúrgicas

Los adhesivos de tejido ofrecen una alternativa moderna a los métodos tradicionales de cierre de heridas, como suturas y grapas. Vienen con beneficios que incluyen un daño reducido a los... 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.