Herramienta de inteligencia artificial (IA) predice la necesidad de oxígeno de los pacientes hospitalizados con COVID-19 en cualquier parte del mundo
Por el equipo editorial de HospiMedica en español Actualizado el 22 Sep 2021 |
ilustración
Los investigadores han utilizado inteligencia artificial (IA) para predecir las necesidades de oxígeno de los pacientes con COVID-19 a escala global.
El Hospital de Addenbrooke (Cambridge, Inglaterra), junto con otros 20 hospitales de todo el mundo y la empresa de tecnología de inteligencia artificial NVIDIA (Santa Clara, CA, EUA), crearon una herramienta de inteligencia artificial para predecir cuánto oxígeno adicional puede necesitar un paciente con COVID-19 en los primeros días de atención hospitalaria, utilizando datos de cuatro continentes. La técnica, conocida como aprendizaje federado, utilizó un algoritmo para analizar radiografías de tórax y datos electrónicos de salud de pacientes hospitalarios con síntomas de COVID-19.
Para mantener la estricta confidencialidad del paciente, los datos del paciente se anonimizaron por completo y se envió un algoritmo a cada hospital para que ningún dato fuese compartido o abandonara su ubicación. Una vez que el algoritmo “aprendió” de los datos, el análisis se reunió para construir una herramienta de inteligencia artificial que pudiera predecir las necesidades de oxígeno de los pacientes hospitalizados con COVID-19 en cualquier parte del mundo. El estudio denominado EXAM (por EMR CXR AI Modelo), fue uno de los estudios de aprendizaje clínico federado más grandes y diversos hasta la fecha. Para comprobar la exactitud de EXAM, se probó en varios hospitales de los cinco continentes. En el estudio se analizaron los resultados de alrededor de 10.000 pacientes con COVID-19 de todo el mundo. Los resultados mostraron que predijo el oxígeno necesario dentro de las 24 horas posteriores a la llegada del paciente al departamento de emergencias, con una sensibilidad del 95% y una especificidad de más del 88%.
“El aprendizaje federado tiene un poder transformador para llevar la innovación de la IA al flujo de trabajo clínico”, dijo la profesora, Fiona Gilbert, quien dirigió el estudio. “Nuestro trabajo continuo con EXAM demuestra que este tipo de colaboraciones globales son repetibles y más eficientes, de modo que podamos satisfacer las necesidades de los médicos para abordar desafíos de salud complejos y epidemias futuras”.
“Por lo general, en el desarrollo de la IA, cuando se crea un algoritmo con los datos de un hospital, no funciona bien en ningún otro hospital”, dijo el Dr. Ittai Dayan, primer autor del estudio. “Al desarrollar el modelo EXAM utilizando aprendizaje federado y datos objetivos y multimodales de diferentes continentes, pudimos construir un modelo generalizable que puede ayudar a los médicos de primera línea en todo el mundo”.
Enlace relacionado:
Hospital de Addenbrooke
El Hospital de Addenbrooke (Cambridge, Inglaterra), junto con otros 20 hospitales de todo el mundo y la empresa de tecnología de inteligencia artificial NVIDIA (Santa Clara, CA, EUA), crearon una herramienta de inteligencia artificial para predecir cuánto oxígeno adicional puede necesitar un paciente con COVID-19 en los primeros días de atención hospitalaria, utilizando datos de cuatro continentes. La técnica, conocida como aprendizaje federado, utilizó un algoritmo para analizar radiografías de tórax y datos electrónicos de salud de pacientes hospitalarios con síntomas de COVID-19.
Para mantener la estricta confidencialidad del paciente, los datos del paciente se anonimizaron por completo y se envió un algoritmo a cada hospital para que ningún dato fuese compartido o abandonara su ubicación. Una vez que el algoritmo “aprendió” de los datos, el análisis se reunió para construir una herramienta de inteligencia artificial que pudiera predecir las necesidades de oxígeno de los pacientes hospitalizados con COVID-19 en cualquier parte del mundo. El estudio denominado EXAM (por EMR CXR AI Modelo), fue uno de los estudios de aprendizaje clínico federado más grandes y diversos hasta la fecha. Para comprobar la exactitud de EXAM, se probó en varios hospitales de los cinco continentes. En el estudio se analizaron los resultados de alrededor de 10.000 pacientes con COVID-19 de todo el mundo. Los resultados mostraron que predijo el oxígeno necesario dentro de las 24 horas posteriores a la llegada del paciente al departamento de emergencias, con una sensibilidad del 95% y una especificidad de más del 88%.
“El aprendizaje federado tiene un poder transformador para llevar la innovación de la IA al flujo de trabajo clínico”, dijo la profesora, Fiona Gilbert, quien dirigió el estudio. “Nuestro trabajo continuo con EXAM demuestra que este tipo de colaboraciones globales son repetibles y más eficientes, de modo que podamos satisfacer las necesidades de los médicos para abordar desafíos de salud complejos y epidemias futuras”.
“Por lo general, en el desarrollo de la IA, cuando se crea un algoritmo con los datos de un hospital, no funciona bien en ningún otro hospital”, dijo el Dr. Ittai Dayan, primer autor del estudio. “Al desarrollar el modelo EXAM utilizando aprendizaje federado y datos objetivos y multimodales de diferentes continentes, pudimos construir un modelo generalizable que puede ayudar a los médicos de primera línea en todo el mundo”.
Enlace relacionado:
Hospital de Addenbrooke
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19