- Salud Digital

Maternal Health

En el marco de la pandemia de COVID-19, la Salud Digital, expresada como la convergencia del conocimiento científico, el desarrollo tecnológico y la inteligencia artificial, ha jugado un papel sin precedentes. Es importante que estos avances se traduzcan en mejoras en la atención en salud, tanto en la atención ambulatoria, como en la atención hospitalaria. Por ello, en Fundación Carlos Slim, hemos llevado a cabo una revisión y selección de la oferta existente, considerando el prestigio de las instituciones académicas, la pertinencia y potencial impacto de la currícula, y la facilidad de diseminación, entre otros factores. Previous slide Next slide Salud Pública Atención Ambulatoria Atención Hospitalaria Si deseas conocer más de Salud Digital y COVID-19, inscríbete aquí Fundación Carlos Slim con el objetivo de promover y difundir conocimiento teórico y práctico sobre el nuevo coronavirus SARS-COV2 que ayude a los profesionales de la salud a realizar sus actividades de manera óptima para atender la actual pandemia de COVID-19, ha realizado una revisión y selección de diversos cursos, documentos, tutoriales, videos y otros instrumentos (en su conjunto, “los materiales”) que son ofrecidos de manera gratuita por distintas instituciones públicas y académicas. “Los materiales” han sido producidos por sus respectivas instituciones, mismas que son las únicas responsables de sus propios contenidos. Para conocer los términos y condiciones de uso de cada uno de “los materiales”, invitamos a consultar las páginas web de las propias instituciones que los generaron y albergan. Fundación Carlos Slim a través de la página https://saluddigital.com/cursos-de-capacitacion-para-tratamiento-de-covid-19/ ha generado un entorno educativo y de capacitación para que el personal de salud pueda acceder directamente a “los materiales” de su interés. La utilización de estos recursos educativos es responsabilidad de quien decide acceder a ellos. Fundación Carlos Slim no tiene ningún conflicto de interés, directo o indirecto. No persigue ningún fin comercial, ni promueve la adquisición de productos o servicios.

Leer completo »

July 22, 2024

DIAGNOSIS

Automated system supports the diagnosis of genetic diseases

Investigadores en genómica mostraron los hallazgos de un sistema virtual automatizado para el diagnóstico de enfermedades genéticas en 13.5 horas. Las enfermedades genéticas son siempre un caso especial debido a que los médicos de primera línea pueden no estar familiarizados con estas, por lo que un diagnóstico oportuno puede no mejorar los resultados. Si los tratamientos no se implementan rápidamente estas enfermedades pueden progresar de manera acelerado a una mortalidad o morbilidad severa. Una investigación publicada en Nature Communications exploró el uso de Genome-to-Treatment también conocido como GTRx, un sistema virtual automatizado para el diagnóstico de enfermedades genéticas y orientación para el manejo agudo. El principal elemento de esta investigación fue que, utilizando la plataforma virtual automatizada, fue posible realizar un diagnóstico en 13.5 horas por medio de secuenciación acelerada de genoma completo. Actualmente se conocen 72 mil trastornos genéticos que cuentan con una gran proporción de morbilidad y mortalidad pediátrica especialmente en unidades de cuidados intensivos, neonatales, pediátricas y cardiovasculares. Además, se estima que alrededor del 30% de los 140 millones de infantes que padecen enfermedades genéticas raras no sobrevivan hasta su quinto cumpleaños. Por ello la importancia de un diagnóstico acertado y rápido que permita implementar el tratamiento lo más pronto posible. “La falta de familiaridad con el manejo de enfermedades genéticas raras específicas conduce a retrasos en la consulta y a la pérdida de oportunidades de tratamiento que anulan el objetivo del diagnóstico rápido. GTRx se desarrolló tanto para aumentar la proporción de niños que reciben un tratamiento inmediato óptimo como para facilitar un uso más amplio de la secuenciación del genoma completo de diagnóstico rápido (rWGS), como en los hospitales locales de maternidad con personal de neonatólogos de primera línea”, explica el estudio. El GTRx es un sistema prototipo que utiliza 13.5 horas para realizar diagnósticos automatizados de enfermedades genéticas, su principal objetivo fue ampliar el uso de rWGS por parte de médicos de primera línea que entienden a bebés y niños gravemente enfermos en UCI. Sin embargo, actualmente abarca 500 enfermedades genéticas con la característica de que progresan de manera acelerado, y tu objetivo es prever la extensión del sistema a todas las enfermedades genéticas conocidas, “lo que permitirá a los médicos de primera línea desempeñar un papel mucho más activo en la evaluación de posibles etiologías genéticas y sus consiguientes terapias en sus pacientes”, según explican los autores del estudio. Conoce más sobre Genome-to-Treatment: https://www.nature.com/articles/s41467-022-31446-6 BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41467-022-31446-6

Leer completo »

August 2, 2022

big data

Researchers use machine learning to optimize workflow in hospital admissions by. COVID-19.

Investigadores de la Facultad de Medicina de la Universidad Johns Hopkins implementaron un sistema de aprendizaje automático para optimizar las decisiones de admisión hospitalaria por COVID-19. La gran demanda de atención médica durante la pandemia, afectó a los departamentos de emergencia en Estados Unidos, que continuaron su labor de distinguir pacientes que necesitan atención hospitalaria y aquellos que pueden recibir el alta médica de manera segura. De esta forma tuvieron que incorporar nuevas variables para identificar pacientes con COVID-19. Para ello investigadores de Johns Hopkins presentaron un estudio, donde muestran el desarrollo, implementación y evaluación de un sistema integrado de soporte de decisiones clínica por medio de registros de salud electrónicos (EHR, en inglés). Este sistema utiliza los datos de EHR y aprendizaje automático, para estimar el riesgo a corto plazo del deterioro clínico en pacientes con casos de COVID-19 confirmados o sospechosos. De esta forma el sistema puede determinar el riesgo y necesidad de atención crítica en las 24 horas posteriores, así como las necesidades de atención especificas en pacientes hospitalizados dentro de 72 horas. “El rendimiento del modelo y numerosos resultados orientados al paciente, incluida la mortalidad hospitalaria, se midieron a lo largo de los períodos de estudio. La incidencia de necesidades de atención crítica dentro de las 24 h y las necesidades de atención hospitalaria dentro de las 72 h fueron del 10,7 % y el 22,5 %, respectivamente, y fueron similares en todos los períodos de estudio”, explica el estudio. Por su parte el modelo de aprendizaje automático tuvo un rendimiento destacable en todas las condiciones ya que obtuvo un rango de AUC de 0,85 a 0,91 en la predicción de necesidades de atención crítica y de 0,80 a 0,90 para necesidades de atención hospitalaria. Sin embargo, la mortalidad total se mantuvo sin cambios durante el periodo de estudio, pero logró una reducción entre pacientes de alto riesgo luego de implementar el modelo de soporte de decisiones clínicas. Los modelos fueron entrenados con 39 variables de predicción distintas, como a la dificultad para respirar, niveles de lactato, antecedentes de enfermedad renal, hipotensión, entre otras. “Nuestros modelos también brindan información que puede informar la práctica clínica y la interpretación de modelos similares en el futuro. La diabetes, la enfermedad pulmonar crónica, la enfermedad cardiovascular y la hipertensión se han identificado como factores de riesgo importantes de enfermedad grave y mortalidad por COVID-19, aunque estas comorbilidades no se encontraban entre los predictores más importantes para ninguno de nuestros modelos”, explica el estudio. En estas variables y otras variables demográficas, edad y sexo, tuvieron poco peso en los modelos. No obstante, a pesar de parecer contradictorio, en entornos de atención aguda las variables y manifestaciones fisiológicas de la enfermedad fueron más importantes en la trayectoria clínica que factores de riesgo epidemiológicos. Conoce más sobre este estudio y sus resultados en el siguiente enlace: https://www.nature.com/articles/s41746-022-00646-1 BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41746-022-00646-1

Leer completo »

July 20, 2022

News

US improves maternal health research through electronic health record data

Gracias a los datos recopilados por los Expedientes Clínicos Electrónicos (ECE), es posible mejorar la atención médica de madres y sus bebés. Uno de los objetivos del gobierno de Estados Unidos y su Departamento de Salud y Servicios Humanos (HHS, en inglés), es mejorar los resultados de salud materna, como reducir las tasas de mortalidad materna, y eliminar inequidades entre grupos poblacionales. Por ello, la recopilación y aprovechamiento de datos e información de salud, es importante para encontrar los factores que determinan las problemáticas de salud. Los ECE, tienen la capacidad de recopilar datos a gran escala, que son útiles para realizar investigaciones que propongan mejoras a la atención médica, tanto de mujeres embarazadas, como de madres y sus hijos. Asimismo, permite vincular los datos con otra información como determinantes sociales de salud, datos demográficos, mortalidad, entre otros. La atención integral a mujeres embarazadas, incluye a diversos especialistas, especialmente profesionales en obstetricia y ginecología. De esta forma es necesario que la recopilación de datos sea adecuada, para que la información obtenida por cada especialista pueda brindar mejores resultados en la atención médica. El HHS ha implementado una estratega para la estandarización de datos en salud materna, que mejora la infraestructura de datos en este rubro. Todos fueron implementados en los primeros meses de actual administración, en marzo de 2021: El proyecto Infraestructura de datos ECE de morbilidad y mortalidad materna grave del Instituto Nacional de Salud Eunice Kennedy Shriver del Instituto Nacional de Salud Infantil y Desarrollo Humano. El proyecto MATernaL and Infant Network to Understand Outcomes Associated with Treatment for Opioid Use Disorder during Pregnancy (MAT-LINK) del Centro Nacional para Defectos Congénitos y Discapacidades del Desarrollo de los Centros para el Control y la Prevención de Enfermedades (CDC) El proyecto del Centro Nacional de Estadísticas de Salud de los CDC Mejorando la Vigilancia de las Prácticas Clínicas de Salud Materna y los Resultados con los Datos de Visitas de los EHR de los Centros de Salud Calificados Federalmente BIBLIOGRAFÍA HEALTHCARE IT NEWS https://www.healthcareitnews.com/news/improving-data-capacity-maternal-health-research-through-ehr-data-standards

Leer completo »

June 24, 2022

big data

Technology-based interventions improve adherence to hypertension treatment

Estudio publicado en SAGE Journals, realizó intervenciones basadas en tecnología con el objetivo de mejorar la adherencia a medicamentos contra la hipertensión. Debido a la mala adherencia a medicamentos antihipertensivos, los pacientes hipertensos pueden registrar peores resultados cardiovasculares y más complicaciones en su salud. Una solución para mejorar la adherencia a su tratamiento es la aplicación de tecnologías emergentes y de esta forma reducir las morbilidades y la mortalidad por hipertensión mal controlada. El artículo “Intervenciones basadas en tecnología para mejorar la adherencia a los medicamentos antihipertensivos: una revisión basada en evidencia”, de Gary Chun-Yun Kang de Duke University, tuvo como objetivo determinar la eficacia de intervenciones basadas en tecnología para mejorar la adherencia a este tipo de medicamentos. La revisión fue realizada a través de búsquedas en bases de datos de PubMed y EMBASE, mediante palabras clave y términos específicos. Los estudios encontrados cumplieron con los siguientes criterios: Ser ensayos controlados aleatorios Población de adultos mayores de 18 años que toman medicamentos antihipertensivos Intervenciones realizadas o aplicadas mediante un dispositivo o proceso tecnológico Intervención diseñada para mejorar la adherencia Los resultados mostraron 12 estudios que cumplieron con los criterios establecidos, de los cuales cinco tuvieron éxito en mejorar la adherencia al tratamiento. Además, dos de ellos mejoraron también la presión arterial. Las intervenciones tecnológicas fueron: Tapas electrónicas en los envases de los medicamentos con recordatorios audiovisuales; servicios de mensajería con información educativa; notificación de presión arterial auto medida a un sistema informático conectado con un teléfono móvil; y recompensas monetarias tras grabar un video del paciente tomando su medicamento. La mayoría de estas intervenciones mostraron resultados alentadores para su posible aplicación en otras poblaciones, “especialmente si las intervenciones están dirigidas a un grupo específico de pacientes con mayor riesgo de adherencia deficiente”, explica el autor. “En el futuro, los investigadores principales deben tratar de mejorar las intervenciones basadas en tecnología que se encuentran en estos 12 estudios, combinar la inteligencia artificial y el uso de aplicaciones telefónicas, y continuar usándolas para ayudar a recordar la ingestión de medicamentos, asesorar y educar a los pacientes sobre la hipertensión y la adherencia a la medicación, y crear oportunidades para que el proveedor y el paciente interactúen”, concluye el estudio. BIBLIOGRAFÍA SAGE PUB https://journals.sagepub.com/doi/full/10.1177/20552076221089725

Leer completo »

May 31, 2022

big data

Machine learning models show vital signs associated with severe cases of COVID-19

Nueva investigación mostró modelos de riesgo basados en aprendizaje automático que indican signos vitales, resultados exámenes de laboratorio y edad como factores asociados con casos severos de COVID-19. La revista Scientific Reports de Nature, publicó el artículo “Los factores de riesgo de COVID-19 grave difieren según la edad de los adultos hospitalizados”, el cual utilizó modelos de riesgo basados en aprendizaje automático, para descubrir que los signos vitales, resultados de exámenes de laboratorio y la edad, se correlacionaron con el nivel de complicación de la infección por COVID-19. El estudio analizó datos de 6,906 adultos que fueron hospitalizados por COVID-19, en cinco estados de Estados Unidos. En este sentido, desarrollaron modelos de riesgo para predecir el uso de ventilación mecánica o la muerte del paciente entre el primer día y el día 56 de hospitalización. En total, para el estudio fueron entrenados cinco modelos de aprendizaje automática para población de todas las edades y para otras dos subpoblaciones de edades diferentes, 18 años o más y mayores de 50 años. Además, los modelos de riesgo fueron entrenados a través de datos clínicos fácilmente disponibles. De esta forma, fueron utilizados los datos de referencia disponibles una hora después de la admisión de los pacientes adultos al hospital, así como la primera prueba positiva de COVID-19, los cuales fueron vitales para la predicción de enfermedades críticas entre el primer día y 56 días después, como se mencionó anteriormente. “Los modelos revelaron diferencias en la significación estadística y el valor predictivo relativo de los factores de riesgo entre pacientes mayores y más jóvenes, incluida la edad, el IMC, los signos vitales y los resultados de laboratorio”, explicó el estudio. Asimismo, las variables como sexo y comorbilidades crónicas en pacientes hospitalizados tuvieron un menor valor predictivo para los modelos que variables como signos vitales y resultados de laboratorio. Otro de los hallazgos clave de la investigación, fue que los signos vitales y los resultados de laboratorio en el momento de ingreso, fueron más importantes para la predicción que la presencia de comorbilidades. De igual forma, los modelos estratificados por edad, mostraron que la importancia del factor de riesgo difiere entre adultos jóvenes y adultos mayores. Puedes leer la investigación completa en el siguiente enlace: https://www.nature.com/articles/s41598-022-10344-3 BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41598-022-10344-3#

Leer completo »

May 5, 2022

big data

New Artificial Intelligence model identifies patients at risk of heart disease complications

Científicos de la Universidad de Utah desarrollaron un modelo de Inteligencia Artificial (IA) que podría predecir el desarrollo y complicaciones de pacientes con problemas cardiovasculares. El modelo fue descrito en un estudio publicado en el primer número de la revista científica en línea PLOS Digital Health, bajo el título: Un enfoque de inteligencia artificial explicable para predecir resultados cardiovasculares utilizando registros de salud electrónicos. El estudio plantea un nuevo método para identificar comorbilidades de manera automatizada y escalable llamado Descubrimiento de comorbilidad basado en la binomial de Poisson (PBC). El método consistió en el análisis de la historia clínica electrónica (HCE) de más de 1.6 millones de pacientes de la Universidad de Utah y el Intermountain Primary Children’s Hospital. La información de las HCE, incluyó datos sobre diagnósticos, procedimientos y medicamentos comórbidos. Estos datos fueron clasificados y enfocados hacia áreas clave a la salud cardiovascular, como trasplante de corazón, disfunción del nódulo sinoauricular y varias formas de enfermedad cardíaca congénita, que dio como resultado a una “red de multimorbilidad”, que a través de combinación de variables determinó el riesgo de padecer alguna afección cardiaca. En la población adulta, el estudio encontró que personas con diagnóstico previo de miocardiopatía, tenían un riesgo 86 mayor a necesitar un trasplante de corazón, que las personas que no sufrían de esa condición. Asimismo, el estudio mostró que las persona con miocarditis viral tenían un riesgo 60 veces mayor a necesitar un trasplante de corazón. Por otra parte, en cuanto al uso de medicamentos, los investigadores determinaron que milrinona, un fármaco para el tratamiento de insuficiencia cardiaca multiplicó por 175 el riesgo de trasplante. Josh Bonkowsky, director del Intermountain Primary Children’s Hospital, explicó que: “Esta nueva tecnología demuestra que podemos estimar el riesgo de complicaciones médicas con precisión e incluso determinar los medicamentos que son mejores para pacientes individuales”. “La capacidad de transformar enormes colecciones de EHR en herramientas compactas y portátiles sin información de salud protegida resuelve muchos de los desafíos legales, tecnológicos y científicos de datos asociados con los análisis de EHR a gran escala”, explica el estudio. Los autores del estudio por su parte, explicaron que un enfoque integral como este puede ayudar a un especialista en la prevención y tratamiento de problemas cardíacos graves. Incluso, aunque el estudio se centró solo en enfermedades cardiovasculares, los investigadores explicaron que el modelo puede replicarse en otras áreas de la medicina y predecir el riesgo de cáncer, cirugía de tiroides, diabetes, por ejemplo. “Podemos recurrir a la IA para ayudar a refinar el riesgo de prácticamente todos los diagnósticos médicos”, explicó Martin Tristani-Firouzi, uno de los autores del estudio. Consulta el estudio completo en el siguiente enlace: https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000004 BIBLIOGRAFÍA UNIVERSITY OF UTAH https://attheu.utah.edu/facultystaff/artificial-intelligence-identifies-individuals-at-risk-for-heart-disease-complications/ PLOS ONE https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000004

Leer completo »

January 31, 2022

Connected communities

People infected with COVID-19 will receive telemedicine care in Peru

El Gobierno de Perú informó que las personas contagiadas de COVID-19, que no presenten síntomas, recibirán atención y monitoreo a través de telesalud. Debido al aumento de casos de COVID-19 en Perú, y con el objetivo de evitar más contagios, el Ministerio de Salud de Perú (Minsa), anunció en un comunicado las nuevas medidas para la atención de personas con sospecha o caso confirmado de COVID-19. En este sentido una de las medidas adoptadas es que las personas sin síntomas y sin comorbilidades, que hayan tenido contacto con personas contagiadas, recibirán teleorientación a través de la línea 113. De esta forma, el Minsa, busca evitar exposiciones al riesgo de contagio. Cabe resaltar, que la telemedicina ha sido parte fundamental de la estrategia de salud publica del gobierno de Perú durante la pandemia. Desde la utilización de la línea 113 para la teleorientación para COVID-19 y atención especial en salud mental, hasta el desarrollo e implementación de modelos de atención como el del Centro Nacional de Telemedicina de EsSalud. Por otra parte, el gobierno de Perú informó que las personas que tengan alguna comorbilidad y hayan estado en contacto con casos positivos de COVID-19, deberán atender a un diagnóstico presencial, para descartar la enfermedad o recibir indicaciones. Por último, las autoridades sanitarias de Perú, llamaron a la población a continuar siguiendo las medidas de prevención y vacunarse. BIBLIOGRAFÍA GOBIERNO DE PERÚ https://www.gob.pe/institucion/minsa/noticias/575225-minsa-personas-contagiadas-por-covid-19-sin-sintomas-recibiran-atencion-de-telesalud-comunicado-n-810/ EL COMERCIO https://elcomercio.pe/lima/sucesos/minsa-personas-contagiadas-de-covid-19-pero-sin-sintomas-recibiran-atencion-a-traves-de-telesalud-ministerio-de-salud-nndc-noticia/?ref=ecr

Leer completo »

January 14, 2022

Connected communities

Hospital Digital de Chile facilitates access to telemedicine for geriatric patients

Una nueva estrategia de Ministerio de Salud (Minsal), propone el uso de tecnologías para brindar atención a pacientes de edad avanzada, desde la atención primaria hasta la atención en la especialidad de geriatría. El ministro de salud de Chile, Enrique Paris, anunció la creación de la Célula de Geriatría del Hospital Digital. Esta iniciativa tiene como objetivo mejorar el acceso a las personas mayores, especialmente la atención primaria, que ha sido clave durante la emergencia sanitaria y a la atención especializada en geriatría. El Hospital Digital, es un modelo de atención en salud que se centra completamente en el paciente, y se basa en el uso de tecnologías para brindar atención médica. Este sistema brinda facilidades para el acceso a la atención médica y a la información para el cuidado de la salud. El Hospital Digital cuenta con cobertura a nivel nacional, las 24 horas del día, los siete días de la semana. En este sentido María José Letelier, jefa del Departamento de Salud Digital del Minsal, llamó a la población a utilizar los servicios del Hospital Digital: “Se trata de un complemento al modelo que existe actualmente, no es algo paralelo ni algo distinto, sino que es parte de la Red Integrada del Servicio de Salud”. De esta forma, la Célula de Geriatría del Hospital Digital, apoyará a establecimientos de nivel primario, que forman parte de la Red Asistencial. Los servicios ofrecidos serán telemedicina asincrónica o diferida. Además, a través de la plataforma del Hospital Digital, lo profesionales del establecimiento de primer nivel de atención, podrán consultar a distancia con geriatras y farmacéuticos clínicos, información y recomendaciones sobre cada paciente. Por otra parte, la estratega, tiene como objetivo especifico mejorar la atención y manejo de morbilidades y perdida de funcionalidad asociada a la vejez. Finalmente, el Minsal explicó que a través de la Célula de Geriatría han resuelto más de mil 200 casos en 246 establecimientos, logrando un 89.7% de resolutividad. BIBLIOGRAFÍA MINSAL https://www.minsal.cl/ministro-paris-presenta-celula-de-geriatria-del-hospital-digital/ HOSPITAL DIGITAL https://www.hospitaldigital.gob.cl/hospital-digital/que-es-hospital-digital

Leer completo »

January 12, 2022

AI ANALYTICS

Artificial Intelligence based on electrocardiograms is capable of predicting survival of patients after cardiac surgery

Estudio de Mayo Clinic mostró que un algoritmo de Inteligencia Artificial (IA) basado en electrocardiogramas (ECG) puede predecir la supervivencia a largo plazo de pacientes que han pasado por una cirugía cardiaca. El estudio fue publicado en Mayo Clinic Proceedings, y muestra que el algoritmo mostró dos aspectos importantes, primero la capacidad de detectar a pacientes con fracción de eyección del ventrículo izquierdo reducida y la capacidad de predecir la mortalidad a largo plazo de pacientes que han sido sometidos a una cirugía cardiaca. “Nuestro estudio indica que hay una clara correlación entre la mortalidad a largo plazo y una prueba de detección positiva del electrocardiograma de IA para una fracción de eyección reducida entre los pacientes que no tienen una miocardiopatía grave aparente”, explicó el Dr. Mohamad Alkhouli, cardiólogo de Mayo Clinic y autor principal del estudio. La correlación involucra a pacientes que pasaron por cirugía de válvula, bypass coronario o cirugía de bypass de válvula y coronario. El estudio incluyó revisiones de 20,627 pacientes de Mayo Clinic en Rochester entre 1993 y 2019. Los pacientes fueron sometidos a un injerto de bypass coronario, a una cirugía de válvula o a ambos, y tuvieron una fracción de eyección del ventrículo izquierdo de más del 35 por ciento, explica el estudio. La IA mostró que en 17,125 de los pacientes el ECG fue normal y en 3,052 fue anómalo, en estos pacientes la tendencia fue contar con mayor edad y más comorbilidades. El algoritmo fue aplicado a los ECG más recientes, al menos 30 días previo a la cirugía. La probabilidad de supervivencia a cinco años fue del 86.2% para pacientes con ECG normales y del 71.4% para pacientes con ECG anómalos. Y la supervivencia a 10 años fue de 68.2% y del 45.1%, respectivamente. “El análisis mostró que una prueba de detección de un electrocardiograma de IA anómalo se asoció con un aumento del 30 por ciento en la mortalidad a largo plazo tras una cirugía de válvula o bypass coronario. Para los médicos, esto puede ayudar a estratificar riesgos para pacientes derivados a una cirugía y puede facilitar la toma de decisiones compartida”, explico el Dr. Alkhouli. El trabajo de Mayo Clinic fue considerado como uno de los primeros estudios a gran escala que muestran la utilidad de la IA y sus algoritmos para predecir resultados de cirugías cardiacas. Puedes consultar el estudio completo en el enlace: https://www.mayoclinicproceedings.org/pb-assets/Health%20Advance/journals/jmcp/JMCP_3507.pdf?mc_id=us&utm_source=newsnetwork&utm_medium=l&utm_content=content&utm_campaign=mayoclinic&geo=national&placementsite=enterprise&invsrc=other&cauid=100721 BIBLIOGRAFÍA MAYO CLINIC https://newsnetwork.mayoclinic.org/discussion/algoritmo-de-inteligencia-artificial-basado-en-electrocardiogramas-puede-predecir-supervivencia-a-largo-plazo-del-paciente-tras-cirugia-cardiaca-segun-estudio-de-mayo-clinic/

Leer completo »

December 21, 2021

Maternal Health

Automated system supports the diagnosis of genetic diseases

Researchers use machine learning to optimize workflow in hospital admissions by. COVID-19.

US improves maternal health research through electronic health record data

Technology-based interventions improve adherence to hypertension treatment

Machine learning models show vital signs associated with severe cases of COVID-19

New Artificial Intelligence model identifies patients at risk of heart disease complications

People infected with COVID-19 will receive telemedicine care in Peru

Hospital Digital de Chile facilitates access to telemedicine for geriatric patients

Artificial Intelligence based on electrocardiograms is capable of predicting survival of patients after cardiac surgery

Subscribe to receive information and news:

Follow us: