La fibrilaci\u00f3n auricular es un ritmo card\u00edaco anormal que no pone en peligro la vida de inmediato, pero aumenta significativamente el riesgo de accidente cerebrovascular y muerte de los pacientes. Cient\u00edficos de Israel utilizan el aprendizaje autom\u00e1tico para la predicci\u00f3n del riesgo de fibrilaci\u00f3n auricular.<\/p>\n
Shany Biton y Sheina Gendelman, dos estudiantes que trabajan bajo la supervisi\u00f3n del profesor Joachim A. Behar, escribieron un algoritmo de aprendizaje autom\u00e1tico capaz de predecir con precisi\u00f3n si un paciente desarrollar\u00e1 fibrilaci\u00f3n auricular en 5 a\u00f1os.\u00a0 El estudio fue publicado en European Heart Journal \u2013 Digital Health.<\/p>\n
Conceptualmente, los investigadores buscaron averiguar si un algoritmo de aprendizaje autom\u00e1tico<\/strong> podr\u00eda capturar patrones predictivos de fibrilaci\u00f3n auricular aunque no hubiera fibrilaci\u00f3n auricular diagnosticada por un cardi\u00f3logo humano en ese momento.<\/strong><\/p>\n Advertir a los pacientes que est\u00e1n en riesgo de desarrollarla puede darles tiempo para cambiar su estilo de vida y evitar o posponer la aparici\u00f3n de la enfermedad.<\/p>\n Tambi\u00e9n puede alentar los seguimientos regulares con el cardi\u00f3logo del paciente, asegurando que si se desarrolla la afecci\u00f3n, se identificar\u00e1 r\u00e1pidamente y el tratamiento se iniciar\u00e1 sin demora.<\/p>\n Los factores de riesgo conocidos de la fibrilaci\u00f3n auricular incluyen el estilo de vida sedentario, la obesidad, el tabaquismo, y la predisposici\u00f3n gen\u00e9tica.<\/strong><\/p>\n Biton y Gendelman<\/strong> utilizaron m\u00e1s de un mill\u00f3n de registros de ECG de m\u00e1s de 400.000 pacientes para entrenar una red neuronal profunda para reconocer a los pacientes en riesgo de desarrollar fibrilaci\u00f3n auricular en 5 a\u00f1os.<\/p>\n Luego, combinaron la red neuronal profunda con informaci\u00f3n cl\u00ednica sobre el paciente, incluidos algunos de los factores de riesgo conocidos.<\/p>\n Tanto los registros de ECG como la historia cl\u00ednica electr\u00f3nica de los pacientes fueron proporcionados por la Red de Telesalud de Minas Gerais (TNMG), un sistema p\u00fablico de telesalud que asiste a 811 de los 853 municipios del estado de Minas Gerais, Brasil.<\/p>\n El modelo de aprendizaje autom\u00e1tico resultante pudo predecir correctamente el desarrollo del riesgo de fibrilaci\u00f3n auricular en el 60% de los casos, al tiempo que conservaba una alta especificidad del 95%, lo que significa que solo el 5% de las personas identificadas como potencialmente en riesgo no desarrollaron la afecci\u00f3n.<\/p>\n \u201cNo buscamos reemplazar al m\u00e9dico humano, y no creemos que sea deseable\u201d, dijo Behar sobre los resultados, \u201cpero deseamos poner mejores herramientas de apoyo a la toma de decisiones en manos de los m\u00e9dicos.<\/p>\n Las computadoras est\u00e1n mejor equipadas para procesar algunas formas de datos.<\/p>\n Por ejemplo, al examinar hoy un registro de ECG, un cardi\u00f3logo buscar\u00eda caracter\u00edsticas espec\u00edficas que se sabe que est\u00e1n asociadas con una enfermedad en particular.<\/p>\n Nuestro modelo, por otro lado, puede buscar e identificar patrones por s\u00ed solo, incluidos patrones que pueden no ser inteligibles para el ojo humano\u00bb.<\/p>\n Los m\u00e9dicos han pasado de tomar el pulso de un paciente manualmente a usar un estatoscopio y luego el ECG.<\/p>\n El uso del aprendizaje autom\u00e1tico para ayudar al an\u00e1lisis de las grabaciones de ECG podr\u00eda ser el siguiente paso en ese camino.<\/p>\n Dado que el ECG es una prueba de rutina de bajo costo, el modelo de aprendizaje autom\u00e1tico podr\u00eda incorporarse f\u00e1cilmente en la pr\u00e1ctica cl\u00ednica y mejorar la gesti\u00f3n de la atenci\u00f3n m\u00e9dica para muchas personas.<\/p>\n El acceso a conjuntos de datos de m\u00e1s pacientes permitir\u00eda que el algoritmo mejorara progresivamente como herramienta de predicci\u00f3n de riesgos.<\/p>\n Fuente: LatamIsrael<\/p>\n <\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" La fibrilaci\u00f3n auricular es un ritmo card\u00edaco anormal que no pone en peligro la vida de inmediato, pero aumenta significativamente el riesgo de accidente cerebrovascular y muerte de los pacientes. Cient\u00edficos de Israel utilizan el aprendizaje autom\u00e1tico para la predicci\u00f3n del riesgo de fibrilaci\u00f3n auricular. Shany Biton y Sheina Gendelman, dos estudiantes que trabajan bajo la supervisi\u00f3n del profesor Joachim A. Behar, escribieron un algoritmo de aprendizaje autom\u00e1tico capaz de predecir con precisi\u00f3n si un paciente desarrollar\u00e1 fibrilaci\u00f3n auricular en 5 a\u00f1os.\u00a0 El estudio fue publicado en European Heart Journal \u2013 Digital Health. Conceptualmente, los investigadores buscaron averiguar si un algoritmo de aprendizaje autom\u00e1tico podr\u00eda capturar patrones predictivos de fibrilaci\u00f3n auricular aunque no hubiera fibrilaci\u00f3n auricular diagnosticada por un cardi\u00f3logo humano en ese momento. Advertir a los pacientes que est\u00e1n en riesgo de desarrollarla puede darles tiempo para cambiar su estilo de vida y evitar o posponer la aparici\u00f3n de la enfermedad. Tambi\u00e9n puede alentar los seguimientos regulares con el cardi\u00f3logo del paciente, asegurando que si se desarrolla la afecci\u00f3n, se identificar\u00e1 r\u00e1pidamente y el tratamiento se iniciar\u00e1 sin demora. Los factores de riesgo conocidos de la fibrilaci\u00f3n auricular incluyen el estilo de vida sedentario, la obesidad, el tabaquismo, y …<\/p>\n","protected":false},"author":7,"featured_media":112063,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[3],"tags":[1007,5562,5558,5557,5556,5561,5559,5560,5563],"class_list":["post-112062","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-salud","tag-cardiologia","tag-algoritmo-de-aprendizaje-automatico","tag-cientificos-de-israel","tag-ecg","tag-fibrilacion-auricular","tag-patrones-predictivos-de-fibrilacion-auricular","tag-shany-biton","tag-sheina-gendelman","tag-telesalud"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/posts\/112062","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/comments?post=112062"}],"version-history":[{"count":0,"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/posts\/112062\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/media\/112063"}],"wp:attachment":[{"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/media?parent=112062"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/categories?post=112062"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.radiojai.com\/index.php\/wp-json\/wp\/v2\/tags?post=112062"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}