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.

HospiMedica

Deascargar La Aplicación Móvil
Noticias Recientes COVID-19 Cuidados Criticos Téc. Quirúrgica Cuidados de Pacientes TI Pruebas POC Negocios Focus

Modelo de aprendizaje automático predice con precisión paro cardíaco en pacientes de UCI utilizando datos de ECG

Por el equipo editorial de HospiMedica en español
Actualizado el 06 Dec 2023

El paro cardíaco en el ámbito hospitalario, particularmente en las Unidades de Cuidados Intensivos (UCI), sigue siendo un desafío importante y ocurre en 0,5 a 7,8 % de los pacientes al momento de la admisión hospitalaria. A pesar de los avances en cuidados intensivos, la naturaleza impredecible y las diversas causas de estos incidentes dificultan la prevención. La identificación rápida y la respuesta inmediata son cruciales para mejorar las tasas de supervivencia de los pacientes. Por lo tanto, existe una necesidad apremiante de un sistema que pueda predecir de forma precisa y continua los paros cardíacos intrahospitalarios, permitiendo acciones rápidas como la desfibrilación temprana y la reanimación cardiopulmonar (RCP).

Para abordar esta necesidad, un equipo de investigadores del Hospital Universitario Nacional de Seúl (SNUH, Seúl, Corea del Sur) ha desarrollado un innovador modelo de aprendizaje automático. Este modelo utiliza de forma única medidas de variabilidad de la frecuencia cardíaca (VFC) de pacientes de la UCI para predecir paros cardíacos hospitalarios. A diferencia de los modelos tradicionales que dependen de datos de registros médicos electrónicos (RME) completos, este nuevo enfoque simplifica la predicción al basarse únicamente en medidas de VFC, lo que permite una monitorización continua y en tiempo real del paciente.


Imagen: El modelo de aprendizaje automático en tiempo real predice los paros cardíacos en el hospital utilizando la variabilidad de la frecuencia cardíaca en la UCI (Fotografía cortesía de 123RF)
Imagen: El modelo de aprendizaje automático en tiempo real predice los paros cardíacos en el hospital utilizando la variabilidad de la frecuencia cardíaca en la UCI (Fotografía cortesía de 123RF)

El estudio mostró la eficacia del modelo de máquina de refuerzo de gradiente de luz (LGBM), que destacó en la detección temprana y la predicción rápida de paros cardíacos en el hospital. Esta mejora en la precisión de la predicción podría mejorar significativamente los resultados de los pacientes en entornos clínicos. Las fortalezas del modelo incluyen su uso exclusivo de datos de ECG para la predicción de riesgos, la integración de varias medidas de VFC y su transparencia al explicar el riesgo a través de estas medidas.

El uso exclusivo de datos de ECG hace que este modelo sea particularmente práctico y adaptable a diversos entornos sanitarios, ya que la monitorización continua por ECG es un procedimiento de rutina en las UCI. Este enfoque contrasta con modelos anteriores que requerían múltiples tipos de datos, incluida información demográfica, signos vitales y resultados de laboratorio. El modelo del equipo del SNUH, al centrarse únicamente en los datos del ECG, presenta una solución más sencilla y factible para predecir paros cardíacos en entornos de cuidados críticos.

Enlaces relacionados:
SNUH


Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
New
Miembro Oro
X-Ray QA Meter
T3 AD Pro
New
Plasma Freezer
iBF125-GX
New
Phototherapy Eye Protector
EyeMax2

Últimas Cuidados Criticos noticias

Dispositivo portátil impulsado por IA revoluciona el diagnóstico de la salud intestinal

Dispositivo de asistencia ventricular ofrece soporte a largo plazo para pacientes con insuficiencia cardíaca avanzada

Algoritmos novedosos predicen resultados cardiovasculares en el punto de atención utilizando datos de ECG