Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
ZeptoMetrix an Antylia scientific company

Deascargar La Aplicación Móvil





Modelo de computadora con IA usa los datos de los pacientes para predecir quién tiene más probabilidades de morir por COVID-19 con una exactitud del 90%

Por el equipo editorial de LabMedica en español
Actualizado el 09 Feb 2021
Ilustración
Ilustración
Según una investigación nueva, a través de los datos de pacientes, la inteligencia artificial (IA) puede hacer una evaluación 90% exacta de si una persona morirá de COVID-19 o no.

Los resultados de un estudio recientemente publicado por investigadores de la Universidad de Copenhague (Copenhague, Dinamarca) demuestran que, basándose en los datos de los pacientes, la IA puede, con hasta un 90% de certeza, determinar si una persona no infectada morirá de COVID-19 o no, si tienen la mala suerte de infectarse. Una vez ingresado en el hospital con COVID-19, la computadora puede predecir con un 80% de exactitud si la persona necesitará un respirador. El índice de masa corporal (IMC), el sexo y la presión arterial alta se encuentran entre los factores más ponderados. La investigación se puede utilizar para predecir la cantidad de pacientes en los hospitales que necesitarán un respirador y determinar quién debería ser el primero en la fila para recibir una vacuna.

Los investigadores alimentaron un programa de computadora con datos de salud de 3.944 pacientes daneses con COVID-19. Esto entrenó a la computadora para reconocer patrones y correlaciones en las enfermedades anteriores de los pacientes y en sus reacciones contra la COVID-19. Las enfermedades y factores de salud que, según el estudio, tienen mayor influencia en si un paciente termina en un respirador después de infectarse con COVID-19 son en orden de prioridad: IMC, edad, hipertensión arterial, género masculino, enfermedades neurológicas, EPOC, asma, diabetes y enfermedades cardíacas. Los investigadores esperan que la IA pronto pueda ayudar a los hospitales al predecir continuamente la necesidad de respiradores.

“Trabajamos para lograr el objetivo de poder predecir la necesidad de respiradores con cinco días de anticipación al brindar acceso a la computadora a los datos de salud de todos los positivos de COVID en la región”, dijo el profesor Mads Nielsen del Departamento de Ciencias de la Computación de la Universidad de Copenhague. “La computadora nunca podrá reemplazar la evaluación médica, pero puede ayudar a los médicos y hospitales a ver a muchos pacientes infectados por COVID-19 a la vez y establecer prioridades continuas”.

Enlace relacionado:
Universidad de Copenhague

Miembro Platino
PRUEBA DE INMUNOENSAYO DE XILAZINA
Xylazine ELISA
Verification Panels for Assay Development & QC
Seroconversion Panels
POCT Fluorescent Immunoassay Analyzer
FIA Go
Miembro Oro
Panel de melanoma
UltraSEEK Melanoma Panel

Canales

Química Clínica

ver canal
Imagen: la QIP-MS podría predecir y detectar la recaída del mieloma más temprano en comparación con las técnicas utilizadas actualmente (foto cortesía de Adobe Stock)

Monitorización con espectrometría de masas predice e identifica recaída temprana del mieloma

El mieloma, un tipo de cáncer que afecta la médula ósea, es actualmente incurable, aunque muchos pacientes pueden vivir más de 10 años tras el diagnóstico.... Más

Inmunología

ver canal
Imagen: la prueba de células madre del cáncer puede elegir con precisión tratamientos más efectivos (fotografía cortesía de la Universidad de Cincinnati)

Prueba de células madre predice resultado del tratamiento en cáncer de ovario resistente al platino

El cáncer de ovario epitelial suele responder inicialmente a la quimioterapia, pero con el tiempo, el tumor desarrolla resistencia a la terapia, lo que provoca su recrecimiento. Esta resistencia... Más

Tecnología

ver canal
Imagen: Ziyang Wang y Shengxi Huang han desarrollado una herramienta que permite ideas precisas sobre proteínas virales y marcadores de enfermedades cerebrales (foto cortesía de Jeff Fitlow/Universidad Rice)

Algoritmo de firma ligera permite diagnósticos médicos más rápidos y precisos

Cada material o molécula interactúa con la luz de forma única, creando un patrón distintivo, similar a una huella dactilar. La espectroscopia óptica, que consiste en... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.