(a) Tasas anuales promedio de mortalidad por c\u00e1ncer de pulm\u00f3n y bronquios (LBC) a nivel de condado en 5 a\u00f1os (2013-2017), (b) Los grupos geogr\u00e1ficos de condados con ( puntos calientes puntuaciones z positivas estad\u00edsticamente significativas, color rojo) o valores bajos (puntos fr\u00edos puntuaciones z negativas estad\u00edsticamente significativas, colores azul cielo) de las estad\u00edsticas Getis-Ord Gi* para la tasa LBC. Las tasas de mortalidad de LBC y los mapas de puntos calientes Getis-Ord Gi* se crearon en ArcGIS Desktop versi\u00f3n 10.6.1. Cr\u00e9dito: DOI: 10.1038\/s41598-021-03198-8 <\/p>\n
Muchas personas piensan en robots cuando escuchan el t\u00e9rmino \u00abinteligencia artificial (IA)\u00bb. Sin embargo, en el caso de un nuevo estudio sobre el c\u00e1ncer de pulm\u00f3n y bronquios (LBC) en los EE. UU., la IA se refiere a varios modelos de aprendizaje autom\u00e1tico apilados para hacer predicciones de alto nivel sobre las tasas de mortalidad de LBC. <\/p>\n
Los investigadores de la Universidad de Buffalo, Zia U. Ahmed, Kang Sun, Michael Shelly y Lina Mu, fueron los autores del nuevo estudio, que identifica los factores de riesgo clave de la mortalidad de LBC utilizando inteligencia artificial explicable o XAI. Si bien la prevalencia del tabaquismo, la pobreza y la elevaci\u00f3n de una comunidad fueron los m\u00e1s importantes para predecir las tasas de mortalidad de LBC entre los factores de riesgo estudiados, se encontr\u00f3 que las asociaciones entre los factores de riesgo y las tasas de mortalidad de LBC var\u00edan espacialmente, y la investigaci\u00f3n explor\u00f3 estas diferencias geogr\u00e1ficas.<\/p>\n
El art\u00edculo, \u00abInteligencia artificial explicable para explorar la variabilidad espacial de las tasas de mortalidad por c\u00e1ncer de pulm\u00f3n y bronquios en los Estados Unidos contiguos\u00bb, se public\u00f3 en la revista Scientific Reports en diciembre de 2021.<\/p>\n
El estudio reuni\u00f3 a un grupo interdisciplinario equipo. Ahmed, Ph.D., es especialista en base de datos\/visualizaci\u00f3n en el Instituto UB RENEW; Sun, Ph.D., es miembro principal de la facultad del Instituto UB RENEW y profesor asistente de ingenier\u00eda civil, estructural y ambiental en la Escuela de Ingenier\u00eda y Ciencias Aplicadas de la UB; Shelly, Ph.D., es economista ambiental\/ecol\u00f3gica del Instituto UB RENEW; y Mu, Ph.D., MD, es profesor asociado de epidemiolog\u00eda y salud ambiental en la Facultad de Salud P\u00fablica y Profesiones de la Salud de la UB.<\/p>\n
Ahmed habla de la importancia del estudio y la investigaci\u00f3n: \u00abLa los resultados son importantes porque EE. UU. es un entorno espacialmente heterog\u00e9neo. Hay una gran variedad de factores socioecon\u00f3micos y niveles de educaci\u00f3n, esencialmente, una talla no sirve para todos. Aqu\u00ed, la interpretaci\u00f3n local de los modelos de aprendizaje autom\u00e1tico es m\u00e1s importante que la interpretaci\u00f3n global\u00bb.<\/p>\n
Agrega que los resultados pueden ser \u00fatiles para la gesti\u00f3n e intervenci\u00f3n de la salud p\u00fablica al indicar qu\u00e9 \u00e1reas necesitan apoyo.<\/p>\n
\u00abQuer\u00edamos que el modelo explicara c\u00f3mo se conectan las tasas de mortalidad LBC conocidas y los predictores de factores de riesgo\u00bb. dice Sun.<\/p>\n
\u00abEl estudio puede ser un modelo para integrar la inteligencia artificial en un estudio epidemiol\u00f3gico\u00bb, dice Mu. \u00abTambi\u00e9n puede servir como un ejemplo del uso de modelos de predicci\u00f3n cuando se estudia el c\u00e1ncer. Esto puede ser de gran ayuda para identificar \u00e1reas de alto riesgo donde el registro de c\u00e1ncer no est\u00e1 disponible\u00bb.<\/p>\n
El estudio combin\u00f3 el aprendizaje autom\u00e1tico conjunto con algoritmos explicables para representar espacialmente las relaciones entre la mortalidad de LBC y los factores de riesgo en los EE. UU., lo que marca un avance en esta \u00e1rea de investigaci\u00f3n. Los algoritmos de IA funcionan mejor con m\u00e1s datos con m\u00faltiples modelos, por lo que el conjunto de pila es m\u00e1s \u00fatil que cualquier modelo \u00fanico.<\/p>\n
\u00abTodav\u00eda falta XAI en la interpretaci\u00f3n local, especialmente en relaci\u00f3n con el medio ambiente y la ciencia, \u00bb dice Ahmed.<\/p>\n
La IA es una herramienta poderosa porque los modelos aprenden de los datos, lo que les permite procesar interacciones y relaciones complejas. Los modelos pueden \u00abpensar\u00bb por s\u00ed mismos.<\/p>\n
Los factores de riesgo que explor\u00f3 el estudio representaron variables relacionadas con los estilos de vida, el nivel socioecon\u00f3mico, la demograf\u00eda, la contaminaci\u00f3n del aire y el entorno f\u00edsico. Incluyeron el tabaquismo, la tasa de pobreza, el seguro m\u00e9dico, la demograf\u00eda, la contaminaci\u00f3n del aire y los factores biof\u00edsicos.<\/p>\n
El estudio se\u00f1ala que las tasas de tabaquismo se relacionaron con los niveles de pobreza y la raza\/etnicidad. El estudio tambi\u00e9n se\u00f1ala una fuerte relaci\u00f3n entre el estatus socioecon\u00f3mico y las tasas de mortalidad de LBC en los EE. UU.<\/p>\n
Con respecto a la contaminaci\u00f3n del aire, los investigadores examinaron los contaminantes di\u00f3xido de nitr\u00f3geno (NO2), di\u00f3xido de azufre (SO2), ozono y part\u00edculas la materia y su variabilidad espacial en relaci\u00f3n con las tasas de mortalidad por c\u00e1ncer de pulm\u00f3n y bronquios. <\/p>\n
Explore m\u00e1s<\/p>\n
La herramienta de inteligencia artificial puede detectar las tendencias de la diabetes tipo 2 en los EE. UU. M\u00e1s informaci\u00f3n:<\/strong> Zia U. Ahmed et al, Inteligencia artificial explicable (XAI) para explorar la variabilidad espacial de los tasas de mortalidad por c\u00e1ncer de bronquios (LBC) en los EE. UU. contiguos, Scientific Reports (2021). DOI: 10.1038\/s41598-021-03198-8 Informaci\u00f3n de la revista:<\/strong> Informes cient\u00edficos <\/p>\n Proporcionado por la Universidad de Buffalo Cita<\/strong>: Uso de inteligencia artificial para comprender el c\u00e1ncer de pulm\u00f3n y bronquios tasas de mortalidad (2022, 28 de enero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-01-artificial-intelligence-lung-bronchus-cancer.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":" (a) Tasas anuales promedio de mortalidad por c\u00e1ncer de pulm\u00f3n y bronquios (LBC) a nivel de condado en 5 a\u00f1os (2013-2017), (b) Los grupos geogr\u00e1ficos de condados con ( puntos calientes puntuaciones z positivas estad\u00edsticamente significativas, color rojo) o valores bajos (puntos fr\u00edos puntuaciones z negativas estad\u00edsticamente significativas, colores azul cielo) de las estad\u00edsticas Getis-Ord … Continuar leyendo \u00abUso de la inteligencia artificial para comprender las tasas de mortalidad por c\u00e1ncer de pulm\u00f3n y bronquios\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-5719","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5719","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=5719"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5719\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=5719"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=5719"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=5719"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}