Cr\u00e9dito: Unsplash\/CC0 Public Domain <\/p>\n
Un equipo interdisciplinario de investigadores de la Universidad de Missouri (MU), Children’s Mercy Kansas City y Texas Children’s Hospital ha utilizado un nuevo enfoque basado en datos para obtener m\u00e1s informaci\u00f3n sobre las personas con diabetes tipo 1, que representan entre el 5 y el 10 % de todos los diagn\u00f3sticos de diabetes. El equipo recopil\u00f3 su informaci\u00f3n a trav\u00e9s de la inform\u00e1tica de la salud y la inteligencia artificial aplicada (IA) para comprender mejor la enfermedad. <\/p>\n
En el estudio, el equipo analiz\u00f3 datos del mundo real disponibles p\u00fablicamente de aproximadamente 16\u00a0000 participantes inscritos en el Registro de la Cl\u00ednica de Intercambio de DT1. Al aplicar un algoritmo de miner\u00eda de patrones de contraste desarrollado en la Facultad de Ingenier\u00eda de MU, el equipo pudo identificar las principales diferencias en los resultados de salud entre las personas que viven con diabetes tipo 1 que tienen o no antecedentes familiares inmediatos de la enfermedad.<\/p>\n
Chi-Ren Shyu, director del MU Institute for Data Science and Informatics (MUIDSI), dirigi\u00f3 el enfoque de IA utilizado en el estudio y dijo que la t\u00e9cnica es de naturaleza exploratoria.<\/p>\n
\u00bb Aqu\u00ed dejamos que la computadora haga el trabajo de conectar millones de puntos en los datos para identificar solo los principales patrones contrastantes entre personas con y sin antecedentes familiares de diabetes tipo 1, y para realizar las pruebas estad\u00edsticas para asegurarnos de que confiamos en nuestros resultados. \u00ab, dijo Shyu, profesor Paul K. y Dianne Shumaker en la Facultad de Ingenier\u00eda de MU.<\/p>\n
Erin Tallon, estudiante de posgrado en MUIDSI y autora principal del estudio, dijo que el an\u00e1lisis del equipo result\u00f3 en algunos hallazgos desconocidos.<\/p>\n
\u00abPor ejemplo, encontraron que a las personas en el registro que ten\u00edan un familiar inmediato con diabetes tipo 1 se les diagnosticaba con m\u00e1s frecuencia hipertensi\u00f3n, as\u00ed como enfermedades nerviosas, oculares y renales relacionadas con la diabetes\u00bb, dijo Tallon. \u00abTambi\u00e9n encontramos una concurrencia m\u00e1s frecuente de estas afecciones en personas que ten\u00edan antecedentes familiares inmediatos de diabetes tipo 1. Adem\u00e1s, las personas que ten\u00edan antecedentes familiares inmediatos de diabetes tipo 1 tambi\u00e9n ten\u00edan con mayor frecuencia ciertas caracter\u00edsticas demogr\u00e1ficas\u00bb.<\/p>\n
La pasi\u00f3n de Tallon por este proyecto comenz\u00f3 con una conexi\u00f3n personal y creci\u00f3 r\u00e1pidamente como resultado de su experiencia trabajando como enfermera en una unidad de cuidados cr\u00edticos intensivos (UCI). A menudo ve\u00eda a pacientes con diabetes tipo 1 que tambi\u00e9n ten\u00edan otras afecciones coexistentes, como enfermedad renal y presi\u00f3n arterial alta. Sabiendo que el diagn\u00f3stico de diabetes tipo 1 de una persona a menudo ocurre solo cuando la enfermedad ya est\u00e1 muy avanzada, quer\u00eda encontrar mejores formas de prevenci\u00f3n y diagn\u00f3stico, comenzando por encontrar una manera de analizar la gran cantidad de datos disponibles p\u00fablicamente ya recopilados sobre la enfermedad. <\/p>\n
En 2019, Mark Clements, endocrin\u00f3logo pedi\u00e1trico en Children’s Mercy Kansas City, profesor de pediatr\u00eda en la Universidad de Missouri-Kansas City y autor correspondiente del estudio, fue invitado a hablar en la Conferencia de Bioinform\u00e1tica del Medio Oeste. organizado por BioNexus KC. Si bien Tallon no pudo asistir a la presentaci\u00f3n de Clements, sigui\u00f3 con una llamada telef\u00f3nica para compartir su propuesta para ayudar a las personas a comprender mejor la diabetes tipo 1. Estaba intrigado. Eventualmente, Tallon le present\u00f3 a Clements a Shyu, y naci\u00f3 una colaboraci\u00f3n de investigaci\u00f3n en curso. <\/p>\n
Tallon dijo que los resultados de la colaboraci\u00f3n hablan del poder y el valor de usar datos del mundo real.<\/p>\n
\u00abLa diabetes tipo 1 no es una enfermedad \u00fanica que se ve igual para todos, se ve diferente para diferentes personas y estamos trabajando en la vanguardia para abordar ese problema\u00bb, dijo Tallon. \u00abAl analizar los datos del mundo real, podemos comprender mejor los factores de riesgo que pueden hacer que alguien tenga un mayor riesgo de desarrollar malos resultados de salud\u00bb. <\/p>\n
Si bien los resultados son prometedores, Tallon dijo que los investigadores estaban limitados por no tener un conjunto de datos basados en la poblaci\u00f3n con el que trabajar.<\/p>\n
\u00abEs importante se\u00f1alar aqu\u00ed que nuestros hallazgos tienen una limitaci\u00f3n que esperamos abordar en el futuro mediante el uso de conjuntos de datos m\u00e1s grandes basados en la poblaci\u00f3n\u00bb, dijo Tallon. \u00abBuscamos construir cohortes de pacientes m\u00e1s grandes, analizar m\u00e1s datos y usar estos algoritmos para ayudarnos a hacer eso\u00bb. <\/p>\n
Medicina personalizada<\/p>\n
Clements espera que el enfoque se pueda adoptar como una forma de ayudar a desarrollar opciones de tratamiento personalizadas para las personas con diabetes.<\/p>\n
\u00abPara obtener la tratamiento correcto para el paciente correcto en el momento correcto, primero debemos entender c\u00f3mo identificar a los pacientes que corren un mayor riesgo de padecer la enfermedad y sus complicaciones al hacer preguntas tales como si hay caracter\u00edsticas tempranas en la vida de alguien que puedan ayudar a identificar un individuo con alto riesgo de un resultado en los pr\u00f3ximos a\u00f1os\u00bb, asegur\u00f3 Clements. \u00abAlg\u00fan d\u00eda, tener toda esta informaci\u00f3n podr\u00eda ayudarnos a establecer una imagen m\u00e1s completa del riesgo de una persona, y podemos usar esa informaci\u00f3n para desarrollar un enfoque m\u00e1s personalizado tanto para la prevenci\u00f3n como para el tratamiento\u00bb. <\/p>\n
El estudio fue publicado en Diabetes Care. Los estudiantes graduados de MU, Danlu Liu y Katrina Boles, y Maria Redondo del Texas Children’s Hospital, tambi\u00e9n contribuyeron al estudio. <\/p>\n
Explore m\u00e1s<\/p>\n
La obesidad es m\u00e1s frecuente en personas con diabetes tipo 1 de lo que se pensaba anteriormente M\u00e1s informaci\u00f3n:<\/strong> Erin M. Tallon et al, Contrast Pattern Mining With the T1D Exchange Clinic Registry Reveals Complex Factores fenot\u00edpicos y patrones de comorbilidad asociados con la diabetes tipo 1 familiar frente a la espor\u00e1dica, Diabetes Care (2022). DOI: 10.2337\/dc21-2239 Informaci\u00f3n de la revista:<\/strong> Diabetes Care <\/p>\n Proporcionado por la Universidad de Missouri Cita<\/strong>: Aprovechar el poder de la IA para avanzar en el conocimiento de la diabetes tipo 1 ( 2022, 21 de marzo) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-03-harnessing-power-ai-advance-knowledge.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Unsplash\/CC0 Public Domain Un equipo interdisciplinario de investigadores de la Universidad de Missouri (MU), Children’s Mercy Kansas City y Texas Children’s Hospital ha utilizado un nuevo enfoque basado en datos para obtener m\u00e1s informaci\u00f3n sobre las personas con diabetes tipo 1, que representan entre el 5 y el 10 % de todos los diagn\u00f3sticos … Continuar leyendo \u00abAprovechando el poder de la IA para avanzar en el conocimiento de la diabetes tipo 1\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-10198","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/10198","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=10198"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/10198\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=10198"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=10198"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=10198"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}