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 hp
Ingresar
Publique su anuncio con nosotros
GC Medical Science corp.

Deascargar La Aplicación Móvil





Algoritmo avanzado de aprendizaje automático predice con exactitud el riesgo de que la COVID-19 progrese a enfermedad severa o muerte

Por el equipo editorial de HospiMedica en español
Actualizado el 18 Mar 2021
Un algoritmo avanzado de aprendizaje automático utiliza datos clínicos de “cabecera” que se obtienen fácilmente para predecir con exactitud el riesgo de un paciente de desarrollar COVID-19 grave o morir a causa de la enfermedad.

Investigadores de Johns Hopkins Medicine (JHM; Baltimore, MD, EUA), desarrollaron el sistema avanzado de aprendizaje automático que puede predecir con exactitud cómo se desarrollará la enfermedad de un paciente con COVID-19 y transmitir sus hallazgos al médico en una forma fácilmente comprensible. La nueva herramienta de pronóstico, conocida como el Predictor de riesgo adaptativo de COVID-19 severo (SCARP), puede ayudar a definir el riesgo de un día y siete días, de que un paciente hospitalizado con COVID-19 desarrolle una forma más grave de la enfermedad o muera por ella.

Los médicos a menudo aprenden a reconocer patrones en los casos de COVID-19 después de tratar a muchos pacientes que la padecen. Los sistemas de aprendizaje automático prometen mejorar esa capacidad, reconociendo patrones más complejos en un gran número de personas con COVID-19 y utilizando esa información para predecir el curso del caso de un paciente individual. Sin embargo, los médicos que han jurado “no hacer daño” pueden ser reacios a basar las estrategias de tratamiento y atención de sus pacientes más gravemente enfermos en algoritmos de aprendizaje automático difíciles de usar o de interpretar. SCARP solicita una cantidad mínima de información para brindar una predicción exacta, haciéndola rápida, fácil de usar y confiable para basar las decisiones de tratamiento y atención.

El cerebro de SCARP es un algoritmo predictivo llamado Random Forests for Survival, Longitudinal and Multivariate Data (RF-SLAM). A diferencia de los métodos de predicción clínica anteriores que basan la puntuación de riesgo de un paciente en su condición en el momento en que ingresa al hospital, RF-SLAM se adapta a la última información disponible del paciente y considera los cambios en esas mediciones a lo largo del tiempo. Para hacer posible este análisis dinámico, RF-SLAM divide la estancia hospitalaria de un paciente en ventanas de seis horas. Los datos recopilados durante esos períodos de tiempo son evaluados, a continuación, por los “bosques aleatorios” del algoritmo de aproximadamente 1.000 “árboles de decisión” que operan como un conjunto. Esto permite que SCARP brinde una predicción de un resultado más exacta que la que podría hacer cada árbol de decisión individual por sí solo.

Para demostrar la capacidad de SCARP para predecir casos graves de COVID-19 o muertes por la enfermedad, los investigadores utilizaron un registro clínico con datos sobre pacientes hospitalizados con COVID-19. La información disponible de los pacientes incluyó datos demográficos, otras afecciones médicas y factores de riesgo conductuales, junto con más de 100 variables a lo largo del tiempo, como signos vitales, recuentos sanguíneos, perfiles metabólicos, frecuencia respiratoria y la cantidad de oxígeno suplementario necesario. Entre 3.163 pacientes admitidos con COVID-19 moderada, 228 (7%) enfermaron gravemente o murieron en un período de 24 horas; 355 (11%) adicionales se enfermaron gravemente o murieron durante la primera semana. También se recopilaron datos sobre el número de personas que desarrollaron COVID-19 grave o murieron en cualquier día dentro de los 14 días posteriores a la admisión. En general, las predicciones de riesgo de un día de SCARP para la progresión a COVID-19 grave o la muerte fueron 89% exactas, mientras que las predicciones de riesgo de siete días para ambos resultados fueron 83% exactas. El equipo ahora planea más ensayos de SCARP para validar su desempeño a gran escala utilizando bases de datos nacionales de pacientes.

“SCARP fue diseñado para proporcionar a los médicos una herramienta predictiva, interactiva y adaptativa, que permite ingresar variables clínicas en tiempo real al lado de la cama del paciente”, dijo Matthew Robinson, MD, profesor asistente de medicina en la Facultad de Medicina de la Universidad Johns Hopkins y autor principal del artículo. “Al generar una predicción clínica personalizada del desarrollo de una enfermedad grave o muerte en el día y la semana siguientes, y en cualquier momento de las dos primeras semanas de hospitalización, SCARP permitirá a un equipo médico tomar decisiones más informadas sobre la mejor manera de tratar a cada paciente con COVID-19”.

“Nuestra demostración exitosa muestra que SCARP tiene el potencial de ser una calculadora de riesgo, fácil de usar, altamente exacta y clínicamente significativa, para pacientes hospitalizados con COVID-19”, agregó Robinson. “Tener una comprensión sólida del riesgo en tiempo real de un paciente de progresar a una enfermedad grave o la muerte dentro de las próximas 24 horas y la próxima semana podría ayudar a los proveedores de atención médica a tomar decisiones más informadas y tomar decisiones de tratamiento para sus pacientes con COVID-19 a medida que se enferman más”.

Enlace relacionado:
Johns Hopkins Medicine


Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
Miembro Oro
Analizador de gases en sangre POC
Stat Profile Prime Plus
New
Mattress Replacement System
Apollo Infant Dynamic
New
Rapid Cleaning Verification Tool
ProExpose Protein Detection Test
Lea el artículo completo al registrarse hoy mismo, es GRATIS! ¡Es GRATUITO!
Regístrese GRATIS a HospiMedica.es y acceda a las noticias y eventos que afectan al mundo de la Medicina.
  • Edición gratuita de la versión digital de HospiMedica en Español enviado regularmente por email
  • Revista impresa gratuita de la revista HospiMedica en Español (disponible únicamente fuera de EUA y Canadá).
  • Acceso gratuito e ilimitado a ediciones anteriores de HospiMedica en Español digital
  • Boletín de HospiMedica en Español gratuito cada dos semanas con las últimas noticias
  • Noticias de último momento enviadas por email
  • Acceso gratuito al calendario de eventos
  • Acceso gratuito a los servicios de nuevos productos de LinkXpress
  • Registrarse es sencillo y GRATUITO!
Haga clic aquí para registrarse








Canales

Técnicas Quirúrgicas

ver canal
Imagen: el profesor Bumsoo Han y la  investigadora postdoctoral Sae Rome Choi fueron coautores de un estudio sobre el uso del origami de ADN para mejorar la obtención de imágenes de tejido pancreático denso (foto cortesía de Fred Zwicky/University of Illinois Urbana-Champaign)

El origami de ADN mejora la imagenología del tejido pancreático denso para la detección del cáncer

Uno de los desafíos de la lucha contra el cáncer de páncreas es encontrar maneras de penetrar el tejido denso del órgano para definir los límites entre el tejido maligno... 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: Un sensor de sudor portátil basado en la tecnología de nanopartículas de núcleo-capa (Foto cortesía de Caltech)

Nanopartículas imprimibles permiten la producción masiva de biosensores portátiles

Es probable que el futuro de la medicina se centre en la personalización de la atención médica, comprendiendo exactamente lo que cada individuo necesita y proporcionando la combinación... 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 © 2000-2025 Globetech Media. All rights reserved.