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




Nueva herramienta de IA predice eventos médicos para respaldar toma de decisiones clínicas en entornos de atención médica

Por el equipo editorial de HospiMedica en español
Actualizado el 19 Apr 2024
Print article
Imagen: La herramienta de IA predice la trayectoria de salud de los pacientes pronosticando trastornos, síntomas, medicamentos y procedimientos futuros (Fotografía cortesía de 123RF)
Imagen: La herramienta de IA predice la trayectoria de salud de los pacientes pronosticando trastornos, síntomas, medicamentos y procedimientos futuros (Fotografía cortesía de 123RF)

En un nuevo estudio, los investigadores han demostrado el potencial de una nueva herramienta de inteligencia artificial (IA) para pronosticar la trayectoria de salud de un paciente mediante la predicción de trastornos, síntomas, medicamentos y procedimientos futuros. Esta herramienta innovadora podría utilizarse para ayudar en la toma de decisiones clínicas, el seguimiento de la atención sanitaria y la mejora de la eficiencia de los ensayos clínicos.

La herramienta, llamada Foresight, fue desarrollada por un equipo de investigadores que incluyó investigadores del King's College de Londres (Londres, Reino Unido) y entrenados con datos de extensos registros médicos electrónicos (RME) del NHS. Foresight utiliza un enfoque de aprendizaje profundo para reconocer patrones complejos dentro de la gran cantidad de datos de los RME, tanto estructurados como no estructurados, para generar información predictiva. El equipo utilizó datos de más de 811.000 pacientes para entrenar tres modelos de Foresight distintos y extrajo y procesó los datos no estructurados (texto libre) y estructurados (edad, origen étnico y sexo) dentro de los RME.

El equipo validó su precisión predictiva comparando qué tan bien coincidían sus predicciones con los resultados de salud reales observados en un subconjunto de datos más pequeño. Al pronosticar los póximos 10 posibles trastornos que podrían aparecer a continuación en la línea de tiempo de un paciente, Foresight identificó correctamente el siguiente trastorno el 68 % y el 76 % de las veces en dos NHS Trusts del Reino Unido y el 88 % de las veces en el conjunto de datos MIMIC-III de EUA. De manera similar, al pronosticar el próximo nuevo concepto biomédico, que podría ser un trastorno, síntoma, recaída o medicación, Foresight logró una precisión del 80 %, 81 % y 91 %, respectivamente.

Los médicos también evaluaron la precisión de Foresight creando cronogramas simulados de pacientes con varios escenarios médicos. Cuando los médicos llegaron a un acuerdo unánime sobre un evento médico previsto, se encontró que las predicciones de Foresight eran 93 % relevantes desde un punto de vista clínico. Esto muestra la capacidad de Foresight para aplicaciones prácticas en previsión de riesgos, emulación de investigaciones clínicas, estudios de progresión de trastornos, simulaciones de intervenciones y fines educativos.

"Nuestro estudio muestra que Foresight puede alcanzar altos niveles de precisión en el pronóstico de las trayectorias de salud de los pacientes, lo que demuestra que podría ser una herramienta valiosa para ayudar en la toma de decisiones e informar la investigación clínica", afirmó Zeljko Kraljevic, investigador en Informática de la Salud en el King's College de Londres. “El propósito propuesto de Foresight no es permitir a los pacientes autodiagnosticarse o predecir su futuro, pero los médicos podrían utilizarlo como ayuda para asegurarse de que no este errado un diagnóstico o para el seguimiento continuo del paciente para la predicción de riesgos en tiempo real. Una de las principales ventajas de Foresight es que puede ampliarse fácilmente a más pacientes, hospitales o trastornos con modificaciones mínimas o nulas, y cuantos más datos reciba, mejor será”.

Enlaces relacionados:
King's College de Londres

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)
Flocked Fiber Swabs
Puritan® patented HydraFlock®
New
Air/Oxygen Blender
MicroMax
New
Tabletop Steam Autoclave
T24

Print article
Radcal

Canales

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.