Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Investigadores de Yale desarrollaron un enfoque de aprendizaje automático para la gestión de la presión arterial

La hipertensión arterial sistémica es una de las principales causas de enfermedades cardiacas y mortalidad prematura a nivel mundial.

Investigadores de Yale University desarrollaron una herramienta de aprendizaje automático que permite la personalización del tratamiento de la presión arterial sistémica, en pacientes con o sin diabetes. El modelo permite la mejora de la toma de decisiones clínicas a través de un enfoque basado en datos.

La herramienta fue descrita en un estudio publicado en The Lancet Digital Health titulado: “Individualización de la reducción intensiva de la presión arterial sistólica en la hipertensión mediante feno mapas de ensayos computacionales y aprendizaje automático: un análisis a posteriori de ensayos clínicos aleatorizados”.

El objetivo del estudio fue evaluar el modelo de aprendizaje automático en ensayos clínicos de pacientes con y sin diabetes tipo 2 para definir el beneficio cardiovascular personalizado del control intensivo de la presión arterial sistólica.

Los autores recopilaron datos de dos ensayos clínicos aleatorios: PRINT (Estudio de intervención de presión arterial sistólica, en inglés) y ACCORD BP (Acción para controlar el riesgo cardiovascular en la presión arterial diabética, en inglés), los cuales incluyen a 9 mil 361 participantes 4 mil 733, respectivamente.

Los investigadores identificaron 59 variables diferentes que incluyen la función renal, el tabaquismo y el uso de estatinas o aspirinas, que fueron clave para desarrollar el algoritmo de aprendizaje automático, el cual fue llamado PRECISION (PREssure ​​Control In HypertenSION).

De esta forma, PRECISION pudo definir a los pacientes con diabetes que se beneficiaron del manejo agresivo de la presión arterial, a comparación de aquellos con un tratamiento estándar. Asimismo, proporcionó información confiable y práctica sobre los efectos del tratamiento intensivo.

“Aquí, utilizamos el aprendizaje automático para mejorar la inferencia de dos ensayos clínicos históricos en la evaluación de un beneficio cardiovascular personalizado del control intensivo de la presión arterial. El hallazgo clave es que el perfil de beneficios derivado de los pacientes sin diabetes parece definir a aquellos con diabetes que se benefician de una estrategia de tratamiento de este tipo”, explicó el Dr. Rohan Khera, autor principal del estudio y director del Laboratorio de Ciencia de Datos Cardiovasculares (CarDS).

Asimismo, destacó el potencial de este enfoque para conocer más acerca de los efectos de los tratamientos personalizados en pacientes.

La investigación fue fondeada por el Instituto Nacional del Corazón, los Pulmones y la Sangre de los Institutos Nacionales de Salud de Estados Unidos (NIH).

Related Content

Secured By miniOrange