AISACS recibi\u00f3 un total de cinco entradas y produjo probabilidades de direcci\u00f3n de dosis para agentes estimulantes de la eritropoyesis y suplementos de hierro. Se se\u00f1al\u00f3 que AISACS a veces produce instrucciones ‘cl\u00ednicamente apropiadas’ que son diferentes de las de los m\u00e9dicos. Cr\u00e9dito: 2021 Universidad de Okayama <\/p>\n
La anemia, una condici\u00f3n caracterizada por la falta de gl\u00f3bulos rojos sanos en el cuerpo, es com\u00fan en pacientes con enfermedad renal cr\u00f3nica que necesitan someterse a hemodi\u00e1lisis de rutina (un proceso que ayuda a \u00ablimpiar\u00bb la sangre cuando los ri\u00f1ones no funcionan bien). Por lo tanto, los agentes estimulantes de gl\u00f3bulos rojos (llamados \u00abagentes estimulantes de la eritropoyesis\u00bb o ESA) y los suplementos de hierro (IS) se administran como parte de este proceso. Pero pueden surgir complicaciones si los pacientes tienen un metabolismo del hierro alterado o una respuesta deficiente a los medicamentos. Adem\u00e1s, los medicamentos tienden a ser costosos e imponen una pesada carga financiera a la salud p\u00fablica. Por lo tanto, con este tipo de pacientes actualmente en aumento pero sin suficientes m\u00e9dicos adecuadamente capacitados para administrar el tratamiento, los sistemas de apoyo adicionales con capacidades de toma de decisiones inteligentes son muy buscados. Una opci\u00f3n es recurrir a la inteligencia artificial (IA), que parece prometedora pero exige un gran conjunto de datos y no es pr\u00e1ctica debido a las diversas condiciones de salud de los pacientes. <\/p>\n
Entonces, \u00bfse puede hacer algo para mejorar la situaci\u00f3n? En un estudio reciente publicado en International Journal of Medical Sciences, investigadores m\u00e9dicos de Jap\u00f3n intentaron encontrar la respuesta. Se les ocurri\u00f3 un nuevo enfoque: en lugar de hacer que la IA aprenda de la compleja fisiolog\u00eda del cuerpo del paciente, optan por un modelo de predicci\u00f3n basado en las decisiones de m\u00e9dicos experimentados. El profesor asistente Toshiaki Ohara de la Universidad de Okayama, Jap\u00f3n, el cient\u00edfico principal del estudio, explica: \u00abTuvimos la idea al contemplar el proceso de pensamiento de m\u00e9dicos experimentados. Despu\u00e9s de todo, no calculan valores detallados de reacciones vitales en el cuerpo de un paciente cuando decidir las dosis, lo que significa que los modelos de predicci\u00f3n basados en bioqu\u00edmica no son necesarios\u00bb.<\/p>\n
Los investigadores comenzaron recopilando datos cl\u00ednicos en dos hospitales en Jap\u00f3n y luego prepararon dos conjuntos de datos para cada hospital: uno para entrenar su modelo y el otro para probar y validar sus predicciones. Simult\u00e1neamente, registraron las instrucciones de dosificaci\u00f3n de los m\u00e9dicos en ambos hospitales y consideraron las respuestas de los dos medicamentos utilizados durante la hemodi\u00e1lisis: ESA e IS.<\/p>\n
Con base en esto, construyeron un modelo basado en IA llamado inteligencia artificial. -sistema de control de la anemia (AISACS), que recibi\u00f3 un total de cinco entradas (cuatro elementos de an\u00e1lisis de sangre e historial de dosificaci\u00f3n) y produjo probabilidades de direcci\u00f3n de dosificaci\u00f3n para los dos medicamentos como salidas. Adem\u00e1s, para que el proceso de capacitaci\u00f3n sea m\u00e1s eficiente, compensaron el tiempo transcurrido entre el an\u00e1lisis de sangre y las decisiones de dosificaci\u00f3n mediante la rectificaci\u00f3n de datos para hacer coincidir las fechas de decisi\u00f3n con las fechas de examen.<\/p>\n
Para deleite de los investigadores, AISACS mostr\u00f3 una alta precisi\u00f3n de predicci\u00f3n con \u00edndices de clasificaci\u00f3n correcta (instrucciones que coinciden con las de los m\u00e9dicos) del 72 % al 87 %. Pero lo que fue a\u00fan m\u00e1s interesante fue que proporcion\u00f3 clasificaciones \u00abcl\u00ednicamente apropiadas\u00bb a tasas a\u00fan m\u00e1s altas (92% -97%). Estas eran instrucciones que no coincid\u00edan con las de los m\u00e9dicos (ya veces se proporcionaban antes que ellos), pero aun as\u00ed se consideraban apropiadas desde un punto de vista m\u00e9dico.<\/p>\n
Con estos resultados, los investigadores tienen esperanzas sobre las perspectivas futuras de AISAC. \u00abAl prevenir la anemia, nuestro sistema puede ayudar a aliviar la carga de los m\u00e9dicos y los sistemas de seguro m\u00e9dico. Adem\u00e1s, tiene el potencial de compartir el conocimiento y las experiencias relacionadas con los medicamentos\u00bb, comenta emocionado el Dr. Ohara.<\/p>\n
Con suerte, este nuevo enfoque basado en IA brinda alguna esperanza tanto a los pacientes que se someten a hemodi\u00e1lisis como a los m\u00e9dicos que los tratan. <\/p>\n
Explore m\u00e1s<\/p>\n
Las personas mayores a menudo asumen incorrectamente que los medicamentos no tienen efectos secundarios potenciales M\u00e1s informaci\u00f3n:<\/strong> Toshiaki Ohara et al, Sistema de control de la anemia apoyado por inteligencia artificial (AISACS) para prevenir la anemia en pacientes de hemodi\u00e1lisis de mantenimiento, International Journal of Medical Sciences (2021). DOI: 10.7150\/ijms.53298 Proporcionado por la Universidad de Okayama Cita<\/strong>: El sistema de inteligencia artificial puede ayudar a prevenir la anemia en pacientes sometidos a hemodi\u00e1lisis (18 de marzo de 2021) consultado el 30 de agosto de 2022 en https:\/\/medicalxpress.com\/ news\/2021-03-artificial-intelligence-anemia-patients-hemodialysis.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":" AISACS recibi\u00f3 un total de cinco entradas y produjo probabilidades de direcci\u00f3n de dosis para agentes estimulantes de la eritropoyesis y suplementos de hierro. Se se\u00f1al\u00f3 que AISACS a veces produce instrucciones ‘cl\u00ednicamente apropiadas’ que son diferentes de las de los m\u00e9dicos. Cr\u00e9dito: 2021 Universidad de Okayama La anemia, una condici\u00f3n caracterizada por la falta … Continuar leyendo \u00abEl sistema de inteligencia artificial puede ayudar a prevenir la anemia en pacientes sometidos a hemodi\u00e1lisis\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-17788","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/17788","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=17788"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/17788\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=17788"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=17788"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=17788"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}