Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico <\/p>\n
Un modelo de pron\u00f3stico desarrollado por cient\u00edficos de datos de la Facultad de Medicina de la Universidad de Pittsburgh y cirujanos de neurotrauma de UPMC es el primero en utilizar esc\u00e1neres cerebrales y aprendizaje autom\u00e1tico para informar los resultados en pacientes con lesiones cerebrales traum\u00e1ticas graves (TBI). <\/p>\n
En un estudio publicado hoy en la revista Radiology, el equipo demostr\u00f3 que su algoritmo avanzado de aprendizaje autom\u00e1tico puede analizar esc\u00e1neres cerebrales y datos cl\u00ednicos relevantes de pacientes con TBI para predecir de manera r\u00e1pida y precisa la supervivencia y la recuperaci\u00f3n seis meses despu\u00e9s de la lesi\u00f3n. <\/p>\n
\u00abTodos los d\u00edas, en los hospitales de los Estados Unidos, se retira la atenci\u00f3n de pacientes que, de otro modo, habr\u00edan regresado a una vida independiente\u00bb, dijo el coautor principal David Okonkwo, MD, Ph.D., profesor de cirug\u00eda neurol\u00f3gica en Pitt y UPMC. \u00abLa mayor\u00eda de las personas que sobreviven un per\u00edodo cr\u00edtico en un entorno de cuidados agudos se recuperan significativamente, lo que subraya a\u00fan m\u00e1s la necesidad de identificar a los pacientes que tienen m\u00e1s probabilidades de recuperarse\u00bb.<\/p>\n
A menudo, los pacientes con TBI tardan dos semanas en recuperarse. emergen del coma y comienzan su recuperaci\u00f3n; sin embargo, a los pacientes con TBI grave a menudo se les retira el soporte vital dentro de las primeras 72 horas posteriores al ingreso en el hospital. El nuevo algoritmo predictivo, validado en dos cohortes de pacientes independientes, podr\u00eda usarse para evaluar a los pacientes poco despu\u00e9s de la admisi\u00f3n y puede mejorar la capacidad de los m\u00e9dicos para brindar la mejor atenci\u00f3n en el momento adecuado.<\/p>\n
TBI es uno de los m\u00e1s apremiantes problemas de salud p\u00fablica en los EE. UU. Cada a\u00f1o, casi 3 millones de personas buscan atenci\u00f3n de TBI en todo el pa\u00eds, y TBI sigue siendo una de las principales causas de muerte en personas menores de 45 a\u00f1os.<\/p>\n
Reconocer la necesidad de mejores formas de ayudar a los m\u00e9dicos, el equipo de cient\u00edficos de datos de Pitt se dispuso a aprovechar su experiencia en inteligencia artificial avanzada para desarrollar una herramienta sofisticada para comprender la naturaleza de la LCT de cada paciente en particular.<\/p>\n
\u00abExiste una gran necesidad de mejorar herramientas cuantitativas para ayudar a los neur\u00f3logos y neurocirujanos de cuidados intensivos a tomar decisiones m\u00e1s informadas para los pacientes en estado cr\u00edtico\u00bb, dijo el autor correspondiente Shandong Wu, Ph.D., profesor asociado de radiolog\u00eda, bioingenier\u00eda e inform\u00e1tica biom\u00e9dica en Pitt. \u00abEsta colaboraci\u00f3n con el equipo del Dr. Okonkwo nos brind\u00f3 la oportunidad de utilizar nuestra experiencia en aprendizaje autom\u00e1tico e im\u00e1genes m\u00e9dicas para desarrollar modelos que utilicen im\u00e1genes cerebrales y otros datos cl\u00ednicamente disponibles para abordar una necesidad no satisfecha\u00bb.<\/p>\n
Led por los coautores Matthew Pease, MD, y Dooman Arefan, Ph.D., el grupo desarroll\u00f3 un modelo de inteligencia artificial personalizado que proces\u00f3 m\u00faltiples esc\u00e1neres cerebrales de cada paciente y los combin\u00f3 con una estimaci\u00f3n de la gravedad del coma e informaci\u00f3n sobre el estado del paciente. signos vitales, an\u00e1lisis de sangre y funci\u00f3n card\u00edaca. Es importante destacar que, debido a que las t\u00e9cnicas de im\u00e1genes cerebrales evolucionan con el tiempo y la calidad de la imagen puede variar dr\u00e1sticamente de un paciente a otro, los investigadores tuvieron en cuenta la irregularidad de los datos entrenando su modelo en diferentes protocolos de toma de im\u00e1genes.<\/p>\n
El modelo demostr\u00f3 su val\u00eda con precisi\u00f3n. predecir el riesgo de muerte de los pacientes y los resultados desfavorables a los seis meses despu\u00e9s del incidente traum\u00e1tico. Para validar el modelo, los investigadores de Pitt lo probaron con dos cohortes de pacientes: uno de m\u00e1s de 500 pacientes con TBI grave tratados previamente en UPMC y el otro una cohorte externa de 220 pacientes de 18 instituciones de todo el pa\u00eds, a trav\u00e9s del consorcio TRACK-TBI. La cohorte externa fue fundamental para probar la capacidad de predicci\u00f3n del modelo.<\/p>\n
\u00abEsperamos que esta investigaci\u00f3n muestre que la IA puede proporcionar una herramienta para mejorar la toma de decisiones cl\u00ednicas tempranamente cuando un paciente con TCE ingresa en la sala de emergencias, hacia produciendo un mejor resultado para los pacientes\u00bb, dijeron Wu y Okonkwo. <\/p>\n
Explore m\u00e1s<\/p>\n
El modelo de aprendizaje autom\u00e1tico utiliza an\u00e1lisis de sangre para predecir la supervivencia de COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Matthew Pease et al, Predicci\u00f3n de resultados en pacientes con lesiones cerebrales traum\u00e1ticas graves mediante el aprendizaje profundo de la cabeza Tomograf\u00edas computarizadas, Radiolog\u00eda (2022). DOI: 10.1148\/radiol.212181 Informaci\u00f3n de la revista:<\/strong> Radiolog\u00eda <\/p>\n Proporcionado por la Universidad de Pittsburgh Cita<\/strong>: El modelo de aprendizaje autom\u00e1tico puede guiar a los pacientes con lesiones cerebrales traum\u00e1ticas a cuidados vitales (2022, 26 de abril) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-04-machine-traction-brain-injury-patients.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 Dominio p\u00fablico Un modelo de pron\u00f3stico desarrollado por cient\u00edficos de datos de la Facultad de Medicina de la Universidad de Pittsburgh y cirujanos de neurotrauma de UPMC es el primero en utilizar esc\u00e1neres cerebrales y aprendizaje autom\u00e1tico para informar los resultados en pacientes con lesiones cerebrales traum\u00e1ticas graves (TBI). En un estudio publicado … Continuar leyendo \u00abEl modelo de aprendizaje autom\u00e1tico puede guiar a los pacientes con lesiones cerebrales traum\u00e1ticas a cuidados vitales\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-11650","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11650","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=11650"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11650\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=11650"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=11650"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=11650"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}