Cr\u00e9dito: CC0 Dominio p\u00fablico <\/p>\n
Investigadores de University Health Network desarrollaron y validaron un innovador modelo de aprendizaje profundo para predecir el resultado a largo plazo de un paciente despu\u00e9s de recibir un trasplante de h\u00edgado. <\/p>\n
Primero en su tipo en el campo de los trasplantes, este modelo es el resultado de una colaboraci\u00f3n entre el Centro de trasplantes de Ajmera y el Centro card\u00edaco Peter Munk. El estudio, publicado en Lancet Digital Health, muestra que puede mejorar significativamente la supervivencia a largo plazo y la calidad de vida de los receptores de trasplantes de h\u00edgado.<\/p>\n
\u00abHist\u00f3ricamente, hemos visto buenos avances en los resultados de un a\u00f1o despu\u00e9s del trasplante , pero la supervivencia a largo plazo no ha mejorado significativamente en las \u00faltimas d\u00e9cadas\u00bb, explica la Dra. Mamatha Bhat, hepat\u00f3loga del Ajmera Transplant Center en UHN y coautora principal del estudio.<\/p>\n
\u00bb Este modelo puede guiar a los m\u00e9dicos y ayudar a anticipar cu\u00e1ndo y c\u00f3mo pueden surgir las complicaciones. Realmente puede ser un cambio de paradigma en la forma en que apoyamos a los receptores de trasplantes de h\u00edgado para personalizar su atenci\u00f3n y ayudarlos a vivir mejor y por m\u00e1s tiempo\u00bb.<\/p>\n
Para receptores de trasplante de h\u00edgado, la supervivencia a largo plazo m\u00e1s all\u00e1 de un a\u00f1o se ve significativamente comprometida por un mayor riesgo de c\u00e1ncer, mortalidad cardiovascular, infecci\u00f3n y fracaso del injerto. Las herramientas cl\u00ednicas para identificar a los pacientes en riesgo de sufrir estas complicaciones son limitadas.<\/p>\n
Este modelo ayudar\u00e1 a los m\u00e9dicos a mejorar la atenci\u00f3n posterior al trasplante de h\u00edgado mediante el aprendizaje autom\u00e1tico, lo que les permitir\u00e1 identificar riesgos potenciales al formular planes de tratamiento espec\u00edficos para el paciente.<\/p>\n
Los resultados del estudio muestran que este modelo tiene una precisi\u00f3n superior al 80 % en la predicci\u00f3n de posibles complicaciones para los receptores de trasplantes de h\u00edgado en cualquier momento posterior al trasplante, en funci\u00f3n de su historial m\u00e9dico y en comparaci\u00f3n con los millones de puntos de datos compilados mediante inteligencia artificial. .<\/p>\n
\u00abEl aprendizaje profundo permite el procesamiento oportuno de conjuntos de datos a gran escala, encontrando patrones y se\u00f1ales que pueden ayudar a los m\u00e9dicos a predecir mejor los resultados cl\u00ednicos y crear recomendaciones de tratamiento espec\u00edficas\u00bb, dice el Dr. Bo Wang, l\u00edder de IA en Peter Munk Cardiac Center, presidente de CIFAR AI en el Vector Institute y coautor principal de este estudio.<\/p>\n
Los algoritmos para este modelo se crearon con base en el Registro cient\u00edfico de Receptores de trasplantes (SRTR): una base de datos m\u00e9dica nacional en los Estados Unidos, con datos de m\u00e1s de 42,000 receptores de trasplantes de h\u00edgado. Luego se validaron utilizando el conjunto de datos local del Centro de Trasplantes Ajmera de UHN, que ten\u00eda m\u00e1s de 3200 casos.<\/p>\n
El equipo de investigaci\u00f3n ahora planea compartir este modelo con los m\u00e9dicos para que pueda usarse en todo el mundo. Tambi\u00e9n se est\u00e1 trabajando para evaluar cu\u00e1les son los mejores formatos para agilizar su uso, ya sea desarrollando un software o una aplicaci\u00f3n m\u00f3vil. <\/p>\n
Explore m\u00e1s<\/p>\n
Mortalidad posterior al trasplante entre los veteranos inscritos en el VA y Medicare M\u00e1s informaci\u00f3n:<\/strong> Estratificaci\u00f3n del riesgo de mortalidad a largo plazo de los receptores de trasplantes de h\u00edgado: aplicaci\u00f3n en tiempo real de algoritmos de aprendizaje profundo sobre datos longitudinales, Lancet Digital Health, DOI: 10.1016\/S2589-7500(21)00040-6, www.thelancet.com\/journals\/lan … (21)00040-6\/texto completo Proporcionado por University Health Network Cita<\/strong>: Modelo de aprendizaje profundo para maximizar la esperanza de vida despu\u00e9s del trasplante de h\u00edgado (2021, 13 de abril) recuperado el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/ news\/2021-04-deep-maximize-lifespan-liver-transplant.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: CC0 Dominio p\u00fablico Investigadores de University Health Network desarrollaron y validaron un innovador modelo de aprendizaje profundo para predecir el resultado a largo plazo de un paciente despu\u00e9s de recibir un trasplante de h\u00edgado. Primero en su tipo en el campo de los trasplantes, este modelo es el resultado de una colaboraci\u00f3n entre el … Continuar leyendo \u00abModelo de aprendizaje profundo para maximizar la esperanza de vida despu\u00e9s de un trasplante de h\u00edgado\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-20720","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/20720","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=20720"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/20720\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=20720"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=20720"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=20720"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}