Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Un nuevo estudio realizado por investigadores del MIT y el Hospital General de Massachusetts sugiere que se acerca el d\u00eda en que los sistemas avanzados de inteligencia artificial podr\u00edan ayudar a los anestesi\u00f3logos en el quir\u00f3fano . <\/p>\n
En una edici\u00f3n especial de Inteligencia artificial en medicina, el equipo de neurocient\u00edficos, ingenieros y m\u00e9dicos demostr\u00f3 un algoritmo de aprendizaje autom\u00e1tico para automatizar continuamente la dosificaci\u00f3n del f\u00e1rmaco anest\u00e9sico propofol. Usando una aplicaci\u00f3n de aprendizaje de refuerzo profundo, en la que las redes neuronales del software aprendieron simult\u00e1neamente c\u00f3mo sus opciones de dosificaci\u00f3n mantienen la inconsciencia y c\u00f3mo criticar la eficacia de sus propias acciones, el algoritmo super\u00f3 al software m\u00e1s tradicional en simulaciones sofisticadas de pacientes basadas en la fisiolog\u00eda. Tambi\u00e9n se acerc\u00f3 mucho al desempe\u00f1o de los anestesi\u00f3logos reales al mostrar lo que har\u00eda para mantener la inconsciencia dados los datos registrados de nueve cirug\u00edas reales.<\/p>\n
Los avances del algoritmo aumentan la viabilidad de que las computadoras mantengan la inconsciencia del paciente sin m\u00e1s medicamento que es necesario, lo que libera a los anestesi\u00f3logos de todas las dem\u00e1s responsabilidades que tienen en el quir\u00f3fano, incluido asegurarse de que los pacientes permanezcan inm\u00f3viles, no experimenten dolor, permanezcan fisiol\u00f3gicamente estables y reciban el ox\u00edgeno adecuado, dijeron los coautores principales Gabe Schamberg y Marcus Badgeley.<\/p>\n
\u00abUno puede pensar en nuestro objetivo como an\u00e1logo al piloto autom\u00e1tico de un avi\u00f3n donde el capit\u00e1n siempre est\u00e1 en la cabina prestando atenci\u00f3n\u00bb, dijo Schamberg, un expostdoctorado del MIT que tambi\u00e9n es el autor correspondiente del estudio. \u00abLos anestesi\u00f3logos tienen que monitorear simult\u00e1neamente numerosos aspectos del estado fisiol\u00f3gico de un paciente, por lo que tiene sentido automatizar aquellos aspectos de la atenci\u00f3n del paciente que comprendemos bien\u00bb.<\/p>\n
Emery N. Brown, autor principal y neurocient\u00edfico de The El Instituto Picower para el Aprendizaje y la Memoria y el Instituto de Ingenier\u00eda y Ciencias M\u00e9dicas del MIT y un anestesi\u00f3logo del MGH, dijeron que el potencial del algoritmo para ayudar a optimizar la dosificaci\u00f3n de medicamentos podr\u00eda mejorar la atenci\u00f3n al paciente.<\/p>\n
\u00abAlgoritmos como este permiten a los anestesi\u00f3logos para mantener una vigilancia m\u00e1s cuidadosa y casi continua sobre el paciente durante la anestesia general\u00bb, dijo Brown, Edward Hood Taplin Profesor de Neurociencia Computacional y Ciencias y Tecnolog\u00eda de la Salud en el MIT.<\/p>\n
Ambos actor y cr\u00edtico<\/p>\n
El equipo de investigaci\u00f3n dise\u00f1\u00f3 un enfoque de aprendizaje autom\u00e1tico que no solo aprender\u00eda c\u00f3mo dosificar propofol para mantener la inconsciencia del paciente, sino tambi\u00e9n c\u00f3mo hacerlo de una manera que optimizar\u00eda la cantidad de medicamento administrado. Lo lograron dotando al software de dos redes neuronales relacionadas: un \u00abactor\u00bb con la responsabilidad de decidir cu\u00e1nta droga administrar en cada momento dado, y un \u00abcr\u00edtico\u00bb cuyo trabajo era ayudar al actor a comportarse de una manera que maximiza \u00abrecompensas\u00bb especificadas por el programador. Por ejemplo, los investigadores experimentaron entrenando el algoritmo utilizando tres recompensas diferentes: una que penalizaba solo la sobredosis, otra que cuestionaba la administraci\u00f3n de cualquier dosis y otra que no impon\u00eda sanciones.<\/p>\n
En todos los casos, entrenaron el algoritmo con simulaciones de pacientes que emplearon modelos avanzados tanto de farmacocin\u00e9tica, o la rapidez con que las dosis de propofol llegan a las regiones relevantes del cerebro despu\u00e9s de que se administran las dosis, como de farmacodin\u00e1mica, o c\u00f3mo la droga realmente altera la conciencia cuando llega a su destino. Mientras tanto, los niveles de inconsciencia de los pacientes se reflejaron en la medida de las ondas cerebrales como pueden ser en los quir\u00f3fanos reales. Al ejecutar cientos de rondas de simulaci\u00f3n con un rango de valores para estas condiciones, tanto el actor como el cr\u00edtico podr\u00edan aprender a desempe\u00f1ar sus roles para una variedad de tipos de pacientes.<\/p>\n
El sistema de recompensas m\u00e1s efectivo se volvi\u00f3 result\u00f3 ser la \u00abpenalizaci\u00f3n por dosis\u00bb en la que el cr\u00edtico cuestion\u00f3 cada dosis que dio el actor, reprendiendo constantemente al actor para que siguiera dosificando al m\u00ednimo necesario para mantener la inconsciencia. Sin ninguna penalizaci\u00f3n de dosificaci\u00f3n, el sistema a veces dosificaba demasiado y, con solo una penalizaci\u00f3n por sobredosis, a veces daba muy poco. El modelo de \u00abpenalizaci\u00f3n de dosis\u00bb aprendi\u00f3 m\u00e1s r\u00e1pidamente y produjo menos errores que los otros modelos de valor y el software est\u00e1ndar tradicional, un controlador \u00abderivativo integral proporcional\u00bb.<\/p>\n
Un asesor capaz<\/p>\n
Despu\u00e9s Entrenando y probando el algoritmo con simulaciones, Schamberg y Badgeley pusieron la versi\u00f3n de \u00abpenalizaci\u00f3n de dosis\u00bb a una prueba m\u00e1s real aliment\u00e1ndola con datos de conciencia del paciente registrados de casos reales en la sala de operaciones. Las pruebas demostraron tanto las fortalezas como los l\u00edmites del algoritmo.<\/p>\n
Durante la mayor\u00eda de las pruebas, las opciones de dosificaci\u00f3n del algoritmo coincidieron estrechamente con las de los anestesi\u00f3logos asistentes despu\u00e9s de inducir la inconsciencia y antes de que ya no fuera necesaria. Sin embargo, el algoritmo ajust\u00f3 la dosificaci\u00f3n con una frecuencia de cada cinco segundos, mientras que los anestesi\u00f3logos (que ten\u00edan muchas otras cosas que hacer) normalmente lo hac\u00edan cada 20 o 30 minutos, anot\u00f3 Badgeley.<\/p>\n
Como las pruebas mostraron, el algoritmo no est\u00e1 optimizado para inducir la inconsciencia en primer lugar, reconocieron los investigadores. El software tampoco sabe por s\u00ed mismo cu\u00e1ndo ha terminado la cirug\u00eda, agregaron, pero es un asunto sencillo para el anestesi\u00f3logo manejar ese proceso.<\/p>\n
Probablemente, uno de los desaf\u00edos m\u00e1s importantes que enfrenta cualquier sistema de IA a seguir enfrentando, dijo Schamberg, es si los datos que se le est\u00e1n proporcionando sobre la inconsciencia del paciente son perfectamente precisos. Otra \u00e1rea activa de investigaci\u00f3n en el laboratorio Brown del MIT y MGH es mejorar la interpretaci\u00f3n de las fuentes de datos, como las se\u00f1ales de ondas cerebrales, para mejorar la calidad de los datos de seguimiento de los pacientes bajo anestesia. <\/p>\n
Explore m\u00e1s<\/p>\n
Los algoritmos muestran precisi\u00f3n en la medici\u00f3n de la inconsciencia bajo anestesia general M\u00e1s informaci\u00f3n:<\/strong> Gabriel Schamberg et al, Aprendizaje de refuerzo profundo de acci\u00f3n continua para la dosificaci\u00f3n de propofol durante la anestesia general, Inteligencia artificial en medicina ( 2021). DOI: 10.1016\/j.artmed.2021.102227 Proporcionado por el Instituto Tecnol\u00f3gico de Massachusetts Cita<\/strong>: Avance de la tecnolog\u00eda de asistencia de IA para anestesi\u00f3logos (2 de febrero de 2022) consultado el 29 de agosto de 2022 en https:\/\/medicalxpress.com \/news\/2022-02-advancing-technology-ai-anesthesiologists.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: Pixabay\/CC0 Dominio p\u00fablico Un nuevo estudio realizado por investigadores del MIT y el Hospital General de Massachusetts sugiere que se acerca el d\u00eda en que los sistemas avanzados de inteligencia artificial podr\u00edan ayudar a los anestesi\u00f3logos en el quir\u00f3fano . En una edici\u00f3n especial de Inteligencia artificial en medicina, el equipo de neurocient\u00edficos, ingenieros … Continuar leyendo \u00abAvance de la tecnolog\u00eda de asistencia de IA para anestesi\u00f3logos\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-9248","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9248","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=9248"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9248\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=9248"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=9248"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=9248"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}