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




Alertas en tiempo real generadas por IA sobre el deterioro de la salud aceleran el tratamiento

Por el equipo editorial de HospiMedica en español
Actualizado el 24 Jun 2024

Un objetivo fundamental de la atención hospitalaria es la intervención oportuna para prevenir o gestionar el deterioro clínico, lo que a menudo conduce a una atención intensificada asociada con peores resultados y un mayor uso de recursos. Más...

Históricamente, los médicos han utilizado métodos manuales tradicionales como la puntuación de alerta temprana modificada (MEWS) para predecir el deterioro clínico. Si bien estas puntuaciones han mostrado un buen desempeño en evaluaciones retrospectivas, su validación prospectiva ha sido más limitada. Los avances recientes han hecho que los modelos de aprendizaje automático (ML), entrenados con datos extensos de registros médicos electrónicos (EHR), superen en rendimiento a estos métodos más antiguos. Estos enfoques de ML generalmente tienen diseños retrospectivos, aunque algunos estudios han explorado la aplicación de los modelos de ML en el mundo real y han observado mejoras en las tasas de mortalidad. Sin embargo, aún faltan datos sólidos sobre estos modelos. Ahora, una nueva investigación ha descubierto que los pacientes hospitalizados tenían un 43% más de probabilidades de recibir atención intensificada y significativamente menos probabilidades de morir si su equipo de atención médica recibía alertas generadas por inteligencia artificial (IA) sobre cambios adversos en su estado de salud.

El estudio realizado por investigadores de la Escuela de Medicina Icahn en Mount Sinai (Nueva York, NY, EUA) tuvo como objetivo evaluar si las alertas rápidas generadas por IA y aprendizaje automático, entrenadas en diversos datos de pacientes, podrían reducir la necesidad de cuidados intensivos y tasas de mortalidad. En este estudio prospectivo, no aleatorizado, participaron 2.740 pacientes adultos en cuatro unidades médico-quirúrgicas del Hospital Mount Sinai, divididos en dos grupos: uno recibió alertas en tiempo real sobre el posible deterioro directamente a sus equipos de atención, y al otro se le generaron alertas pero no las entregaron. En las unidades donde no se enviaron alertas, los pacientes que cumplían con los criterios estándar de deterioro recibieron intervención inmediata de un equipo de respuesta rápida.

Los resultados del grupo de intervención mostraron que estos pacientes tenían más probabilidades de recibir medicamentos de apoyo cardiovascular, lo que sugiere medidas proactivas por parte de los médicos; también exhibieron una tasa de mortalidad reducida dentro de los 30 días. Desde entonces, el algoritmo se ha implementado en todas las unidades intermedias del Hospital Mount Sinai, con un flujo de trabajo optimizado. Un equipo de médicos de cuidados intensivos revisa diariamente a los 15 pacientes con la puntuación más alta y brinda recomendaciones de tratamiento a los médicos y enfermeras que los atienden. A medida que el algoritmo se reentrena continuamente con datos de un número cada vez mayor de pacientes, las evaluaciones realizadas por el equipo de cuidados intensivos actúan como punto de referencia para la precisión, mejorando aún más la precisión del algoritmo a través del aprendizaje por refuerzo.

"Nuestra investigación muestra que las alertas en tiempo real que utilizan el aprendizaje automático pueden mejorar sustancialmente los resultados de los pacientes", afirmó el autor principal del estudio, Dr. David L. Reich, presidente del Hospital Mount Sinai y Mount Sinai Queens, profesor Horace W. Goldsmith de Anestesiología y profesor de Inteligencia Artificial y Salud Humana en Icahn Mount Sinai. "Estos modelos son ayudas precisas y oportunas para la toma de decisiones clínicas que nos ayudan a llevar el equipo adecuado al paciente adecuado en el momento adecuado. Los consideramos herramientas de 'inteligencia aumentada' que aceleran las evaluaciones clínicas en persona por parte de nuestros médicos y enfermeras e impulsar los tratamientos que mantienen a nuestros pacientes más seguros. Estos son pasos clave hacia el objetivo de convertirse en un sistema de salud que aprende".

Enlaces relacionados:
Escuela de Medicina Icahn en Monte Sinaí


Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
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)
New
Dual Chamber Warming Cabinet
D-Series
New
Medical Cart
Medical Carts
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: pacientes sometidos a TMVR experimentan un menor riesgo de obstrucción y tiempos de procedimiento más cortos (foto cortesía de Mayo Clinic)

Nuevo procedimiento seguro y eficaz para pacientes sometidos a reemplazo valvular mitral transcatéter

En Estados Unidos, aproximadamente cuatro millones de personas padecen insuficiencia valvular mitral, el tipo más común de valvulopatía cardíaca. Como alternativa a la cirugía a corazón abierto, el reemplazo... 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.