COVID-19 no crea infecciones de molde. Algunas personas tienen casos extremadamente leves, mientras que otras se encuentran luchando por sus vidas. <\/p>\n
Los m\u00e9dicos trabajan con recursos limitados contra una enfermedad que es muy dif\u00edcil de predecir. Saber qu\u00e9 pacientes tienen m\u00e1s probabilidades de desarrollar casos graves podr\u00eda ayudar a guiar a los m\u00e9dicos durante esta pandemia. <\/p>\n
Somos dos investigadores de la Universidad de Nueva York que estudian el an\u00e1lisis predictivo y las enfermedades infecciosas. A principios de enero, nos dimos cuenta de que era muy posible que el nuevo coronavirus en China llegara a Nueva York y quer\u00edamos desarrollar una herramienta para ayudar a los m\u00e9dicos a lidiar con la oleada de casos entrantes. Pensamos que el an\u00e1lisis predictivo, una forma de inteligencia artificial, ser\u00eda una buena tecnolog\u00eda para este trabajo. <\/p>\n
En un sentido general, este tipo de IA analiza los datos existentes para encontrar patrones y luego usa esos patrones para hacer predicciones sobre el futuro. Usando datos de 53 casos de COVID-19 en enero y febrero, desarrollamos un grupo de algoritmos para determinar qu\u00e9 pacientes levemente enfermos probablemente se enfermaron gravemente. <\/p>\n
Nuestra herramienta experimental ayud\u00f3 a predecir qu\u00e9 personas se enfermar\u00edan m\u00e1s. Al hacerlo, tambi\u00e9n encontr\u00f3 algunos signos cl\u00ednicos tempranos inesperados que predicen casos graves de COVID-19. <\/p>\n
Los algoritmos que dise\u00f1amos fueron entrenados en un peque\u00f1o conjunto de datos y en este punto son solo una herramienta de prueba de concepto, pero con m\u00e1s datos creemos que las versiones posteriores podr\u00edan ser extremadamente \u00fatiles para los profesionales m\u00e9dicos.<\/p>\n
C\u00f3mo hicimos el trabajo<\/p>\n
Para construir esta herramienta, primero necesit\u00e1bamos datos. Nos asociamos con un especialista en enfermedades infecciosas, Xiangao Jiang, en Wenzhou, Zhejiang, China. Cuando comenzamos a trabajar en esto a principios de enero, Wenzhou ten\u00eda el brote m\u00e1s grande fuera de Hubei, de la cual Wuhan es la capital. Entre enero y febrero, el equipo del Dr. Jiang recopil\u00f3 y comparti\u00f3 con nosotros informaci\u00f3n de 53 pacientes con COVID-19 en dos hospitales. Obtuvimos datos sobre s\u00edntomas como fiebre, tos y diarrea, valores de laboratorio como recuentos de c\u00e9lulas sangu\u00edneas, funci\u00f3n renal, marcadores inflamatorios y signos vitales y tambi\u00e9n radiograf\u00edas.<\/p>\n
Antes de que pudi\u00e9ramos comenzar a construir los algoritmos, necesit\u00e1bamos esperar a que todos los pacientes se recuperaran o murieran para saber el resultado final de sus casos. Afortunadamente, el brote de Wenzhou no fue malo y, a mediados de febrero, todos los pacientes, incluso aquellos con casos graves, se hab\u00edan recuperado.<\/p>\n
A partir de estos datos, desarrollamos un conjunto de algoritmos que utilizan an\u00e1lisis predictivos para identificar Primeros s\u00edntomas en el cuerpo de una persona con COVID-19. Luego, los algoritmos buscan patrones y descubren cu\u00e1les de esos s\u00edntomas se correlacionan con casos graves de COVID-19. <\/p>\n
\u00bfQu\u00e9 encontr\u00f3?<\/p>\n
Para las 53 personas de nuestro estudio, los algoritmos predijeron con una precisi\u00f3n del 70-80% las personas que se enfermaron gravemente. Eso est\u00e1 bastante cerca de otros usos de la IA en medicina. Ahora estamos realizando m\u00e1s validaciones con grandes conjuntos de datos.<\/p>\n
Esta capacidad de predecir qu\u00e9 pacientes van a declinar podr\u00eda ser muy \u00fatil para los m\u00e9dicos, pero los s\u00edntomas que la IA identific\u00f3 para hacer estas predicciones tambi\u00e9n podr\u00edan proporcionar informaci\u00f3n valiosa para investigadores.<\/p>\n
Nuestros modelos predictivos encontraron que los niveles ligeramente altos de enzimas hep\u00e1ticas llamadas ALT, los niveles elevados de hemoglobina, es decir, los gl\u00f3bulos rojos y los dolores corporales, fueron los predictores m\u00e1s fuertes de la presencia de COVID-19 grave. En un entorno normal, a los m\u00e9dicos no les preocupar\u00edan las ligeras elevaciones de la ALT y la hemoglobina, pero parece que estos son signos importantes durante una infecci\u00f3n por coronavirus. <\/p>\n
Desde que sali\u00f3 nuestro estudio, otros investigadores m\u00e9dicos han corroborado lo que sugirieron nuestros algoritmos. En un estudio, los investigadores encontraron que los niveles ligeramente altos de enzimas hep\u00e1ticas pueden correlacionarse con peores resultados de COVID-19. <\/p>\n
Adem\u00e1s, se sabe que los niveles m\u00e1s altos de hemoglobina aumentan el riesgo de co\u00e1gulos de sangre y los co\u00e1gulos de sangre est\u00e1n demostrando ser una causa importante y misteriosa de muerte para los pacientes con coronavirus.<\/p>\n
Por qu\u00e9 es importante<\/p>\n
COVID-19 es una enfermedad nueva, una que los m\u00e9dicos no hab\u00edan visto antes y los signos de un caso grave inminente son dif\u00edciles de detectar. La IA, que puede reconocer muchos patrones evasivos simult\u00e1neamente, es la herramienta perfecta para ayudar a los m\u00e9dicos a identificar a los pacientes de alto riesgo de manera temprana. Esto les da tiempo para prepararse mejor para estos casos y podr\u00eda salvar vidas.<\/p>\n
Adem\u00e1s, los s\u00edntomas que los algoritmos de IA encontraron importantes sugirieron que el SARS-CoV-2 estaba afectando muchas m\u00e1s partes del cuerpo que solo los pulmones. Esta capacidad de detectar qu\u00e9 s\u00edntomas son importantes podr\u00eda ayudar a los m\u00e9dicos a buscar las muchas formas en que el virus ataca el cuerpo.<\/p>\n
Qu\u00e9 sigue<\/p>\n
Es importante reconocer las limitaciones de la IA. Antes de que una herramienta como esta se ponga en uso, necesitamos darle a nuestro sistema muchos m\u00e1s datos para aprender. Dado que la IA solo se entren\u00f3 en una peque\u00f1a cantidad de pacientes en un entorno, su precisi\u00f3n se limita a ese entorno. Estamos en el proceso de obtener m\u00e1s datos de otras fuentes y utilizaremos estos datos para hacer que los algoritmos sean m\u00e1s precisos y ampliamente aplicables. <\/p>\n
Si bien la IA que dise\u00f1amos es solo una primera prueba, los resultados son extremadamente alentadores. Creemos que la IA tiene un papel que desempe\u00f1ar en la lucha contra esta pandemia y esperamos pronto poner nuestro sistema a trabajar para ayudar a los m\u00e9dicos en primera l\u00ednea. <\/p>\n
Explore m\u00e1s<\/p>\n
La herramienta de inteligencia artificial predice qu\u00e9 pacientes con coronavirus tienen un \u00abpulm\u00f3n h\u00famedo\u00bb mortal Proporcionado por The Conversation <\/p>\n
Este art\u00edculo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el art\u00edculo original. <\/p>\n
Cita<\/strong>: Dise\u00f1amos una herramienta de IA experimental para predecir qu\u00e9 pacientes con COVID-19 se enfermar\u00e1n m\u00e1s (14 de mayo de 2020) consultado el 31 de agosto de 2022 en https:\/\/medicalxpress.com \/news\/2020-05-experimental-ai-tool-covid-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":" COVID-19 no crea infecciones de molde. Algunas personas tienen casos extremadamente leves, mientras que otras se encuentran luchando por sus vidas. Los m\u00e9dicos trabajan con recursos limitados contra una enfermedad que es muy dif\u00edcil de predecir. Saber qu\u00e9 pacientes tienen m\u00e1s probabilidades de desarrollar casos graves podr\u00eda ayudar a guiar a los m\u00e9dicos durante esta … Continuar leyendo \u00abDise\u00f1amos una herramienta experimental de inteligencia artificial para predecir qu\u00e9 pacientes con COVID-19 se enfermar\u00e1n m\u00e1s\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-27001","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/27001","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=27001"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/27001\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=27001"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=27001"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=27001"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}