Un ECG de 12 derivaciones que muestra fibrilaci\u00f3n auricular a aproximadamente 150 latidos por minuto. Cr\u00e9dito: James Heilman, MD\/Wikipedia\/CC BY-SA 3.0 <\/p>\n
La fibrilaci\u00f3n auricular, una frecuencia card\u00edaca irregular y a menudo r\u00e1pida, es una condici\u00f3n com\u00fan que a menudo lleva a la formaci\u00f3n de co\u00e1gulos en el coraz\u00f3n que pueden viajar al cerebro y causar un accidente cerebrovascular. Como se describe en un estudio publicado en Circulation, un equipo dirigido por investigadores del Hospital General de Massachusetts (MGH) y el Instituto Broad del MIT y Harvard ha desarrollado un m\u00e9todo basado en inteligencia artificial para identificar a los pacientes que est\u00e1n en riesgo de desarrollar fibrilaci\u00f3n auricular y, por lo tanto, podr\u00edan beneficiarse de las medidas preventivas. <\/p>\n
Los investigadores desarrollaron el m\u00e9todo basado en inteligencia artificial para predecir el riesgo de fibrilaci\u00f3n auricular en los pr\u00f3ximos cinco a\u00f1os seg\u00fan los resultados de electrocardiogramas (pruebas no invasivas que registran las se\u00f1ales el\u00e9ctricas del coraz\u00f3n) en 45\u00a0770 pacientes que reciben atenci\u00f3n primaria en MGH.<\/p>\n
Luego, los cient\u00edficos aplicaron su m\u00e9todo a tres grandes conjuntos de datos de estudios que incluyeron un total de 83,162 individuos. El m\u00e9todo basado en IA predijo el riesgo de fibrilaci\u00f3n auricular por s\u00ed solo y fue sin\u00e9rgico cuando se combin\u00f3 con factores de riesgo cl\u00ednicos conocidos para predecir la fibrilaci\u00f3n auricular. El m\u00e9todo tambi\u00e9n fue altamente predictivo en subgrupos de individuos, como aquellos con insuficiencia card\u00edaca o accidente cerebrovascular previos.<\/p>\n
\u00abVemos un rol para los algoritmos de inteligencia artificial basados en electrocardiogramas para ayudar con la identificaci\u00f3n de individuos con mayor riesgo de fibrilaci\u00f3n auricular\u00bb, dice el autor principal Steven A. Lubitz, MD, MPH, electrofisi\u00f3logo card\u00edaco del MGH y miembro asociado del Broad Institute. El coautor principal Shaan Khurshid, MD, MPH, miembro cl\u00ednico y de investigaci\u00f3n de electrofisiolog\u00eda en MGH: \u00abLa aplicaci\u00f3n de tales algoritmos podr\u00eda incitar a los m\u00e9dicos a modificar factores de riesgo importantes para la fibrilaci\u00f3n auricular que pueden reducir el riesgo de desarrollar la enfermedad por completo\u00bb.<\/p>\n
Lubitz agrega que el algoritmo podr\u00eda servir como una forma de herramienta de preselecci\u00f3n para pacientes que actualmente pueden estar experimentando fibrilaci\u00f3n auricular no detectada, lo que incita a los m\u00e9dicos a buscar fibrilaci\u00f3n auricular utilizando monitores de ritmo card\u00edaco a largo plazo, lo que a su vez podr\u00eda conducen a medidas de prevenci\u00f3n de accidentes cerebrovasculares.<\/p>\n
Los hallazgos del estudio tambi\u00e9n demuestran el poder potencial de la IA, que en este caso involucra un tipo espec\u00edfico llamado aprendizaje autom\u00e1tico para hacer avanzar la medicina. \u00abCon la explosi\u00f3n de las tecnolog\u00edas de ciencia de datos y la gran cantidad de datos cl\u00ednicos ahora disponibles, el aprendizaje autom\u00e1tico est\u00e1 preparado para ayudar a los m\u00e9dicos e investigadores a lograr grandes avances en la mejora de la atenci\u00f3n cardiol\u00f3gica\u00bb, dice el coautor Anthony Philippakis, MD, Ph.D., jefe de datos funcionario del Broad y codirector del Centro Eric y Wendy Schmidt del instituto. \u00abComo cient\u00edfico de datos y excardi\u00f3logo, estoy emocionado de ver c\u00f3mo los m\u00e9todos basados en el aprendizaje autom\u00e1tico pueden funcionar con las pruebas y los enfoques cl\u00ednicos que usamos todos los d\u00edas para ayudarnos a mejorar la predicci\u00f3n del riesgo y cuidar a los pacientes con fibrilaci\u00f3n auricular\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Un algoritmo novedoso en dispositivos port\u00e1tiles puede detectar latidos card\u00edacos irregulares y puede solicitar una atenci\u00f3n temprana M\u00e1s informaci\u00f3n:<\/strong> Shaan Khurshid et al, Aprendizaje profundo basado en electrocardiograma y factores de riesgo cl\u00ednico para predecir Fibrilaci\u00f3n, Circulaci\u00f3n (2021). DOI: 10.1161\/CIRCULATIONAHA.121.057480 Informaci\u00f3n del diario:<\/strong> Circulaci\u00f3n <\/p>\n Proporcionado por el Hospital General de Massachusetts Cita<\/strong>: M\u00e9todo basado en inteligencia artificial predice el riesgo de fibrilaci\u00f3n auricular (2021, 15 de noviembre) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-11-artificial-intelligencebased-method-atrial-fibrilation.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":" Un ECG de 12 derivaciones que muestra fibrilaci\u00f3n auricular a aproximadamente 150 latidos por minuto. Cr\u00e9dito: James Heilman, MD\/Wikipedia\/CC BY-SA 3.0 La fibrilaci\u00f3n auricular, una frecuencia card\u00edaca irregular y a menudo r\u00e1pida, es una condici\u00f3n com\u00fan que a menudo lleva a la formaci\u00f3n de co\u00e1gulos en el coraz\u00f3n que pueden viajar al cerebro y causar … Continuar leyendo \u00abM\u00e9todo basado en inteligencia artificial predice el riesgo de fibrilaci\u00f3n auricular\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-2599","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/2599","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=2599"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/2599\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=2599"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=2599"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=2599"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}