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
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
New study shows Artificial Intelligence model for complex diagnosis of heart disease

Científicos del Cedars-Sinai Medical Center de Los Ángeles, desarrollaron un nuevo algoritmo de Inteligencia Artificial (IA), para la detección de enfermedades cardiacas.

De acuerdo al estudio publicado en JAMA Network, este algoritmo desarrollado por el Smidt Heart Institute del Cedars-Sinai, es capaz de identificar y distinguir entre dos condiciones cardiacas mortales que usualmente no se detectan a tiempo: miocardiopatía hipertrófica y amiloidosis cardíaca.

La amiloidosis cardíaca, no suele ser detectada porque los pacientes pueden no presentar ningún síntoma, o experimentarlos de manera muy esporádica. Y por otra parte la cardiomiopatía hipertrófica, es una enfermedad que causa aumento en el grosor y endurecimiento de los músculos del corazón, lo que provoca dificultades para su funcionamiento y daños en las válvulas cardiacas.

De acuerdo a David Ouyang, cardiólogo del Smidt Heart Institute y autor del estudio, estas condiciones del corazón son difíciles de detectar adecuada y precisamente incluso para cardiólogos expertos. “Nuestro algoritmo de IA puede identificar patrones de enfermedades que no se pueden ver a simple vista y luego usar estos patrones para predecir el diagnóstico correcto”, explicó.

El algoritmo fue utilizado y probado en más de 34 mil videos de ultrasonidos cardiacos de Cerdars-Sinai y laboratorios de Stanford Healthcare. El algoritmo fue capaz de identificar características específicas como el grosor de las paredes del corazón y el tamaño de las cámaras del corazón.

En este sentido el algoritmo fue capaz de identificar a los pacientes de alto riesgo con mayor precisión que un especialista bien entrenado. “Esto se debe a que el algoritmo detecta señales sutiles en los videos de ultrasonido que distinguen entre afecciones cardíacas que a menudo pueden parecer muy similares a afecciones más benignas, así como entre sí, en la revisión inicial”, comentó Ouyang.

“Uno de los aspectos más importantes de esta tecnología de IA no es solo la capacidad de distinguir lo anormal de lo normal, sino también distinguir entre estas condiciones anormales, porque el tratamiento y manejo de cada enfermedad cardíaca es muy diferente”, dijo Ouyang.

De esta forma, el uso de IA en cardiología ha logrado evolucionar de manera rápida en los últimos años, lo que ha permitido el desarrollo de estudio clínicos de alto impacto y el desarrollo de tecnologías para el diagnóstico de enfermedades.

Outstanding news

News by country

Share

Digital Health in the world

  • — Science Brief: Omicron (B.1.1.529) Variant/CDC updates
    See more
  • —Coronavirus resource center/Johns Hopkins
    See more
  • — Epidemiological tracing of COVID-19 contacts / Johns Hopkins Course
    See more
  • — SARS-CoV-2 infection behavior / FCS calculator
    See more
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Article The Lancet
    See more
  • —Genomic Epidemiology Tracker/GISAID
    See more
  • — Mexican Genomic Surveillance Consortium
    See more
Secured By miniOrange