Red de enfermedades del paciente para el recurso de datos de Utah. Panel A. Representaci\u00f3n gr\u00e1fica de la Red de Enfermedades del Paciente. El mapa representa 39.055 c\u00f3digos de diagn\u00f3stico ICD 10, 5.716 c\u00f3digos de procedimiento CPT y 1.764 c\u00f3digos de medicaci\u00f3n RxNorm que comprenden 50 millones de comorbilidades. Para hacer que la red de enfermedades del paciente sea m\u00e1s f\u00e1cil de interpretar, utilizamos el agrupamiento de longitud de descripci\u00f3n m\u00ednima, de modo que los nodos con patrones de comorbilidad similares se encuentren cerca uno del otro en la red. Las comorbilidades del trasplante de coraz\u00f3n est\u00e1n marcadas en rojo como referencia. Ver M\u00e9todos para m\u00e1s detalles. Panel B. Trayectoria de plazo para trasplante de coraz\u00f3n en adultos. Los nodos representan diagn\u00f3stico (negro), procedimientos (rojo) y medicamentos (azul). Los bordes son comorbilidades ordenadas temporalmente (Bonferroni alpha = 10E-9.5), las flechas indican la direcci\u00f3n. Los bordes est\u00e1n etiquetados con probabilidades de transici\u00f3n (por ejemplo, flujo de pacientes). Por ejemplo, un paciente adulto con miocarditis viral tiene un 17 % de posibilidades de desarrollar un diagn\u00f3stico de insuficiencia card\u00edaca y un 4,9 % de posibilidades de someterse a un trasplante de coraz\u00f3n. Ver M\u00e9todos para detalles adicionales y Tabla S5 para referencias de c\u00f3digo para los t\u00e9rminos resaltados. Cr\u00e9dito: DOI: 10.1371\/journal.pdig.0000004 <\/p>\n
Por primera vez, los cient\u00edficos de la Universidad de Utah Health han demostrado que la inteligencia artificial podr\u00eda conducir a mejores formas de predecir el inicio y el curso de la enfermedad cardiovascular. Los investigadores, trabajando en conjunto con m\u00e9dicos del Intermountain Primary Children’s Hospital, desarrollaron herramientas computacionales \u00fanicas para medir con precisi\u00f3n los efectos sin\u00e9rgicos de las condiciones m\u00e9dicas existentes en el coraz\u00f3n y los vasos sangu\u00edneos. <\/p>\n
Los investigadores dicen que este enfoque integral podr\u00eda ayudar a los m\u00e9dicos a prever, prevenir o tratar problemas card\u00edacos graves, tal vez incluso antes de que el paciente sea consciente de la afecci\u00f3n subyacente.<\/p>\n
Aunque el estudio solo se centr\u00f3 en la enfermedad cardiovascular, los investigadores creen que podr\u00eda tener implicaciones mucho m\u00e1s amplias. De hecho, sugieren que estos hallazgos eventualmente podr\u00edan conducir a una nueva era de medicina preventiva personalizada. Los m\u00e9dicos contactar\u00edan de manera proactiva a los pacientes para alertarlos sobre posibles dolencias y qu\u00e9 se puede hacer para aliviar el problema.<\/p>\n
\u00abPodemos recurrir a la IA para ayudar a refinar el riesgo de pr\u00e1cticamente todos los diagn\u00f3sticos m\u00e9dicos\u00bb, dice Martin Tristani- Firouzi, MD, autor correspondiente del estudio y cardi\u00f3logo pedi\u00e1trico de U of U Health and Intermountain Primary Children’s Hospital, y cient\u00edfico del Instituto de Capacitaci\u00f3n e Investigaci\u00f3n Cardiovascular Nora Eccles Harrison. \u00abEl riesgo de c\u00e1ncer, el riesgo de cirug\u00eda de tiroides, el riesgo de diabetes, cualquier t\u00e9rmino m\u00e9dico que pueda imaginar\u00bb.<\/p>\n
El estudio aparece en la revista en l\u00ednea PLOS Digital Health.<\/p>\n
M\u00e9todos actuales para calcular los efectos combinados de varios factores de riesgo, como la demograf\u00eda y el historial m\u00e9dico sobre la enfermedad cardiovascular, a menudo son imprecisos y subjetivos, seg\u00fan Mark Yandell, Ph.D., autor principal del estudio, profesor de gen\u00e9tica humana, HA y Edna Benning Presidential Endowed Presidente de U of U Health y cofundador de Backdrop Health. Como resultado, estos m\u00e9todos no logran identificar ciertas interacciones que podr\u00edan tener efectos profundos en la salud del coraz\u00f3n y los vasos sangu\u00edneos.<\/p>\n
Para medir con mayor precisi\u00f3n c\u00f3mo estas interacciones, tambi\u00e9n conocidas como comorbilidades, influyen en la salud, Tristani -Firouzi, Yandell y colegas de U of U Health e Intermountain Primary Children’s Hospital, usaron un software de aprendizaje autom\u00e1tico para clasificar m\u00e1s de 1,6 millones de registros de salud electr\u00f3nicos (EHR, por sus siglas en ingl\u00e9s) despu\u00e9s de que se eliminaron los nombres y otra informaci\u00f3n de identificaci\u00f3n.<\/p>\n
Estos registros electr\u00f3nicos, que documentan todo lo que le sucede a un paciente, incluidas las pruebas de laboratorio, los diagn\u00f3sticos, el uso de medicamentos y los procedimientos m\u00e9dicos, ayudaron a los investigadores a identificar las comorbilidades con mayor probabilidad de agravar una afecci\u00f3n m\u00e9dica en particular, como una enfermedad cardiovascular.<\/p>\n
En su estudio actual, los investigadores utilizaron una forma de inteligencia artificial llamada redes gr\u00e1ficas probabil\u00edsticas (PGM) para calcular c\u00f3mo cualquier combinaci\u00f3n de estas comorbilidades los lazos podr\u00edan influir en los riesgos asociados con los trasplantes de coraz\u00f3n, la cardiopat\u00eda cong\u00e9nita o la disfunci\u00f3n del n\u00f3dulo sinoauricular (SND, una interrupci\u00f3n o falla del marcapasos natural del coraz\u00f3n).<\/p>\n
Entre los adultos, los investigadores encontraron que:<\/p>\n
En algunos casos, el riesgo combinado fue a\u00fan mayor. Por ejemplo, entre los pacientes que ten\u00edan cardiomiopat\u00eda y tomaban milrinona, el riesgo de necesitar un trasplante de coraz\u00f3n era 405 veces mayor que el de aquellos cuyos corazones estaban m\u00e1s sanos.<\/p>\n
Las comorbilidades tuvieron una influencia significativamente diferente en el trasplante riesgo entre los ni\u00f1os, seg\u00fan Tristani-Firouzi. En general, el riesgo de un trasplante de coraz\u00f3n pedi\u00e1trico vari\u00f3 de 17 a 102 veces m\u00e1s alto que el de los ni\u00f1os que no ten\u00edan afecciones card\u00edacas preexistentes, seg\u00fan el diagn\u00f3stico subyacente. <\/p>\n
Los investigadores tambi\u00e9n examinaron las influencias que la salud de una madre durante el embarazo ten\u00eda sobre sus hijos. Las mujeres que tuvieron presi\u00f3n arterial alta durante el embarazo ten\u00edan aproximadamente el doble de probabilidades de dar a luz a beb\u00e9s que ten\u00edan problemas card\u00edacos y circulatorios cong\u00e9nitos. Los ni\u00f1os con s\u00edndrome de Down ten\u00edan aproximadamente tres veces m\u00e1s riesgo de tener una anomal\u00eda card\u00edaca.<\/p>\n
Los beb\u00e9s que se sometieron a una cirug\u00eda de Fontan, un procedimiento que corrige un defecto cong\u00e9nito del flujo sangu\u00edneo en el coraz\u00f3n, ten\u00edan unas 20 veces m\u00e1s probabilidades de desarrollar SND disfunci\u00f3n del ritmo card\u00edaco que aquellos que no necesitaron la cirug\u00eda <\/p>\n
Los investigadores tambi\u00e9n detectaron importantes diferencias demogr\u00e1ficas. Por ejemplo, un paciente hispano con fibrilaci\u00f3n auricular (latidos card\u00edacos r\u00e1pidos) ten\u00eda el doble de riesgo de SND en comparaci\u00f3n con los negros y los blancos, que ten\u00edan antecedentes m\u00e9dicos similares.<\/p>\n
Josh Bonkowsky, MD Ph.D., director de la El Centro Infantil Primario de Medicina Personalizada, que no es autor del estudio, cree que esta investigaci\u00f3n podr\u00eda conducir al desarrollo de una herramienta cl\u00ednica pr\u00e1ctica para la atenci\u00f3n del paciente.<\/p>\n
\u00abEsta nueva tecnolog\u00eda demuestra que podemos estimar el riesgo para las complicaciones m\u00e9dicas con precisi\u00f3n e incluso puede determinar los medicamentos que son mejores para pacientes individuales\u00bb. Bonkowsky.<\/p>\n
En el futuro, Tristani-Firouzi y Yandell esperan que su investigaci\u00f3n tambi\u00e9n ayude a los m\u00e9dicos a desenredar la creciente red de informaci\u00f3n m\u00e9dica desorientadora que los envuelve todos los d\u00edas.<\/p>\n
\u00abNo importa cu\u00e1n conscientes eres, no hay manera de mantener todo el conocimiento que necesitas en tu cabeza como profesional m\u00e9dico en este d\u00eda y edad para tratar a los pacientes de la mejor manera posible\u00bb, dice Yandell. \u00abLas m\u00e1quinas computacionales que estamos desarrollando ayudar\u00e1n a los m\u00e9dicos a tomar las mejores decisiones posibles sobre el cuidado del paciente, usando toda la informaci\u00f3n pertinente disponible en nuestra era electr\u00f3nica. Estas m\u00e1quinas son vitales para el futuro de la medicina\u00bb.<\/p>\n
Esta investigaci\u00f3n se public\u00f3 en l\u00ednea el 18 de enero de 2022 como \u00abUn enfoque de inteligencia artificial explicable para predecir resultados cardiovasculares mediante registros m\u00e9dicos electr\u00f3nicos\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Historia humana y migraci\u00f3n de enfermedades: Seguimiento de la propagaci\u00f3n de la arritmia card\u00edaca de inicio joven en los continentes M\u00e1s informaci\u00f3n:<\/strong> Sergiusz Wesoowski et al, Un enfoque de inteligencia artificial explicable para predecir resultados cardiovasculares utilizando registros de salud electr\u00f3nicos, PLOS Digital Health (2022). DOI: 10.1371\/journal.pdig.0000004 Proporcionado por la Cita<\/strong> de Ciencias de la Salud de la Universidad de Utah: La inteligencia artificial identifica a las personas en riesgo de sufrir complicaciones por enfermedades card\u00edacas (21 de enero de 2022) consultado el 29 de agosto de 2022 en https:\/\/ medicalxpress.com\/news\/2022-01-artificial-intelligence-individuals-heart-disease.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":" Red de enfermedades del paciente para el recurso de datos de Utah. Panel A. Representaci\u00f3n gr\u00e1fica de la Red de Enfermedades del Paciente. El mapa representa 39.055 c\u00f3digos de diagn\u00f3stico ICD 10, 5.716 c\u00f3digos de procedimiento CPT y 1.764 c\u00f3digos de medicaci\u00f3n RxNorm que comprenden 50 millones de comorbilidades. Para hacer que la red de … Continuar leyendo \u00abLa inteligencia artificial identifica a las personas en riesgo de complicaciones de enfermedades card\u00edacas\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-6231","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6231","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=6231"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6231\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=6231"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=6231"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=6231"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}