260772WP_Post Object
(
[ID] => 260698
[post_author] => 7
[post_date] => 2023-01-19 11:34:31
[post_date_gmt] => 2023-01-19 10:34:31
[post_content] => Los grupos de investigación de Sistemas Inteligentes y Telemática y de Inteligencia Artificial e Ingeniería del Conocimiento de la Universidad de Murcia, junto con personal médico del Hospital 12 de Octubre de Madrid y la Clínica de la Universidad de Navarra, han desarrollado un modelo predictivo del riesgo de mortalidad de pacientes de COVID durante su ingreso hospitalario.
El proyecto de investigación ha estado destinado a establecer modelos gracias a la inteligencia artificial para conseguir que, en el momento del ingreso, se disponga de una predicción de cómo será la evolución del paciente y el pronóstico de su estado de salud tras la infección.
El modelo desarrollado ha demostrado tener un 90% de efectividad y los resultados se han publicado en la revista Scientific Reports, del grupo Nature.
Análisis estadístico
Para llevar a cabo este proyecto, que ha contado con la financiación de la Fundación Séneca y la colaboración del Servicio Murciano de Salud, se han estudiado los datos de 86.867 pacientes de la Región de Murcia diagnosticados desde principios de la pandemia hasta febrero de 2021. La elaboración de este modelo predictivo ha supuesto el análisis estadístico de los factores que suponen un mayor riesgo de cursar con gravedad la enfermedad.
Por orden de importancia, estos factores son la edad: a mayor edad, mayor riesgo; sexo: ser hombre confiere un mayor riesgo de gravedad--; y las enfermedades crónicas del paciente: a mayor número, mayor riesgo frente a la COVID. La insuficiencia renal y la obesidad son las dos más determinantes.
Modelo predictivo de alta precisión
Con toda la información obtenida, los modelos generados por el grupo de investigación de la UMU han demostrado tener una alta precisión con más de un 90% de acierto para pronosticar el estado final del paciente en términos de supervivencia o fallecimiento.
Este nivel de precisión se ha logrado teniendo en cuenta solo la información disponible en el momento del ingreso hospitalario. Considerando que se trata de datos fáciles de obtener en el ingreso, la herramienta obtenida con esta investigación puede ser muy útil para una situación como la vivida en la pandemia.
Por otra parte, los resultados arrojan otros datos que pueden servir para futuras investigaciones, como el hecho de que se ha detectado un efecto reductor del riesgo de mortalidad en pacientes que tenían osteoartritis.
[post_title] => Desarrollan un modelo predictivo del riesgo de mortalidad de pacientes COVID durante su ingreso hospitalario
[post_excerpt] => El sistema, elaborado con inteligencia artificial, ha demostrado efectividad en el 90% de los casos
[post_status] => publish
[comment_status] => closed
[ping_status] => closed
[post_password] =>
[post_name] => desarrollan-modelo-predictivo-riesgo-mortalidad-covid-ingreso-hospitalario
[to_ping] =>
[pinged] =>
[post_modified] => 2023-01-19 13:40:18
[post_modified_gmt] => 2023-01-19 12:40:18
[post_content_filtered] =>
[post_parent] => 0
[guid] => https://www1.elmedicointeractivo.com/?p=260698
[menu_order] => 0
[post_type] => post
[post_mime_type] =>
[comment_count] => 0
[filter] => raw
)
260676WP_Post Object
(
[ID] => 260698
[post_author] => 7
[post_date] => 2023-01-19 11:34:31
[post_date_gmt] => 2023-01-19 10:34:31
[post_content] => Los grupos de investigación de Sistemas Inteligentes y Telemática y de Inteligencia Artificial e Ingeniería del Conocimiento de la Universidad de Murcia, junto con personal médico del Hospital 12 de Octubre de Madrid y la Clínica de la Universidad de Navarra, han desarrollado un modelo predictivo del riesgo de mortalidad de pacientes de COVID durante su ingreso hospitalario.
El proyecto de investigación ha estado destinado a establecer modelos gracias a la inteligencia artificial para conseguir que, en el momento del ingreso, se disponga de una predicción de cómo será la evolución del paciente y el pronóstico de su estado de salud tras la infección.
El modelo desarrollado ha demostrado tener un 90% de efectividad y los resultados se han publicado en la revista Scientific Reports, del grupo Nature.
Análisis estadístico
Para llevar a cabo este proyecto, que ha contado con la financiación de la Fundación Séneca y la colaboración del Servicio Murciano de Salud, se han estudiado los datos de 86.867 pacientes de la Región de Murcia diagnosticados desde principios de la pandemia hasta febrero de 2021. La elaboración de este modelo predictivo ha supuesto el análisis estadístico de los factores que suponen un mayor riesgo de cursar con gravedad la enfermedad.
Por orden de importancia, estos factores son la edad: a mayor edad, mayor riesgo; sexo: ser hombre confiere un mayor riesgo de gravedad--; y las enfermedades crónicas del paciente: a mayor número, mayor riesgo frente a la COVID. La insuficiencia renal y la obesidad son las dos más determinantes.
Modelo predictivo de alta precisión
Con toda la información obtenida, los modelos generados por el grupo de investigación de la UMU han demostrado tener una alta precisión con más de un 90% de acierto para pronosticar el estado final del paciente en términos de supervivencia o fallecimiento.
Este nivel de precisión se ha logrado teniendo en cuenta solo la información disponible en el momento del ingreso hospitalario. Considerando que se trata de datos fáciles de obtener en el ingreso, la herramienta obtenida con esta investigación puede ser muy útil para una situación como la vivida en la pandemia.
Por otra parte, los resultados arrojan otros datos que pueden servir para futuras investigaciones, como el hecho de que se ha detectado un efecto reductor del riesgo de mortalidad en pacientes que tenían osteoartritis.
[post_title] => Desarrollan un modelo predictivo del riesgo de mortalidad de pacientes COVID durante su ingreso hospitalario
[post_excerpt] => El sistema, elaborado con inteligencia artificial, ha demostrado efectividad en el 90% de los casos
[post_status] => publish
[comment_status] => closed
[ping_status] => closed
[post_password] =>
[post_name] => desarrollan-modelo-predictivo-riesgo-mortalidad-covid-ingreso-hospitalario
[to_ping] =>
[pinged] =>
[post_modified] => 2023-01-19 13:40:18
[post_modified_gmt] => 2023-01-19 12:40:18
[post_content_filtered] =>
[post_parent] => 0
[guid] => https://www1.elmedicointeractivo.com/?p=260698
[menu_order] => 0
[post_type] => post
[post_mime_type] =>
[comment_count] => 0
[filter] => raw
)
Se trata de un método no invasivo, antes de las primeras 24 horas después de la fecundación in vitro (FIV), cuando el futuro embrión tan solo tiene una célula
Tecnologías como el big data, la inteligencia artificial o el aprendizaje automático cambian la forma de abordar el desarrollo y la distribución de productos
El Instituto de Biomecánica ha desarrollado modelos de estructuras humanas y los ha combinado con inteligencia artificial y el análisis de biomarcadores
Un cartógrafo interesado en la expansión de la inteligencia artificial (IA) diría que, para esta tecnología, la idea de terra ignota está desapareciendo del mapamundi de la medicina. Y es que, en el universo médico, apenas quedan territorios sin explorar por este fenómeno de nuestros días. Ya se tenga como cometido prevenir o diagnosticar, pronosticar... Ver artículo
La conjunción de diferentes tecnologías, como la inteligencia artificial, la realidad aumentada y realidad virtual, 3D y, más recientemente, la cada vez mayor irrupción de las tecnologías cuánticas, han permitido, y van a acelerar, la irrupción del concepto de “gemelos digitales” o “digital twins”. Un gemelo digital es una réplica virtual, un software, realizada a... Ver artículo
El contenido incluido en este medio digital está dirigido exclusivamente a profesionales sanitarios facultados para prescribir o dispensar medicamentos. Soporte Válido SVR 214-R-CM
Grupo SANED (Sanidad y Ediciones S.L.) es una Organización Sanitaria conforme a lo establecido por el Código de Buenas
Prácticas de la Industria Farmacéutica (versión de junio de 2023), en tanto entidad académica privada, a través de
la cual profesionales sanitarios prestan servicios de docencia en el marco de programas de formación médica continuada,
reuniones científicas, congresos, convenciones, simposios, sesiones clínicas, mesas redondas, etc., y todo ello de
acuerdo con lo establecido en su objeto social.
