Search Results for: care studio – Page 6

Mayo Clinic Platform anunció que expandirá su red de datos Connect, incluirá hospitales en Brasil, Israel y Canadá. Mayo Clinic Platform expandirá su red de datos Mayo Clinic Platform_Connect, que ahora incluirá al Hospital Israelita Albert Einstein, uno de los más importantes de Brasil; Sheba Medical Center de Israel y University Health Network (UHN) de Canadá. Esta alianza busca establecer una red de intercambio de datos que acelere el desarrollo de soluciones de salud basadas en inteligencia artificial (IA), utilizando ciencia de datos y años de información clínica, con el propósito de mejorar los resultados de los pacientes en todo el mundo. “Describimos que los datos necesarios para una IA justa y equitativa tienen profundidad (tipos de información), amplitud (número de pacientes) y difusión (heterogeneidad). Para transformar la atención médica a nivel mundial, debemos expandir nuestras redes de datos distribuidas a todos los continentes. Deben proteger la privacidad, adherirse a las leyes y regulaciones internacionales e incorporar conocimientos de todos los idiomas. Hoy, tres centros médicos de primer nivel en América del Sur, Canadá y Medio Oriente se unen a nuestra red. Ellos inspirarán y guiarán a otras regiones y sistemas a unirse a nuestro esfuerzo mundial”, expresó John Halamka, presidente de Mayo Clinic Platform. La estructuración de los datos ahora permite que tipo de información médica compleja como registros de salud electrónicos, imágenes de radiología o videos clínicos sean más sencillos de analizar. Sin embargo, gracias al aprendizaje automático Mayo Clinic Platform y los miembros de Connect han mejorado en la gestión y desarrollo de estas tareas. Por ejemplo, utilizan datos clínicos agregados y no identificados para generar patrones y detectar enfermedades tempranamente y busca identificar las mejores opciones de tratamiento. En este sentido, Mayo Clinic Platform_Connect busca continuar ofreciendo datos clínicos seguros y alojados en la nube que permitan la investigación clínica con mayor facilidad. “Estamos encantados de ser parte de esta alianza histórica para transformar el futuro de la salud. Al crear una red verdaderamente global que romperá las barreras del idioma y permitirá la inclusión de poblaciones diversas, estamos desbloqueando el potencial de las soluciones de IA para revolucionar la atención médica en todo el mundo”, explicó Eyal Zimlichman, director de transformación y director de innovación en Sheba Medical Center. Por su parte, Sidney Klajner, presidente del Hospital Albert Einstein, explicó que Connect permitirá la inclusión de la población Latinoamérica, que actualmente se encuentra subrepresentada en la investigación, específicamente en estudio globales basados en tecnología e IA. “Existe una clara necesidad de considerar este perfil poblacional, teniendo en cuenta el contexto y las características genéticas. Esto se verá reflejado en el desarrollo de proyectos de salud más equitativos, ampliando la oferta de recursos digitales de bajo costo para vacunas y medicamentos, por ejemplo. Nos sentimos honrados de ser miembros fundadores de esta importante red dirigida por Mayo Clinic”, agregó Kajner. Por último, Kevin Smith, presidente y director ejecutivo de UHN explicó que: “El trabajo en equipo, la tecnología y el pensamiento audaz son esenciales para transformar las formas en que se brinda la atención médica y poner a los pacientes en primer lugar”. BIBLIOGRAFÍA MAYO CLINIC https://newsnetwork.mayoclinic.org/discussion/mayo-clinic-platform-expands-its-distributed-data-network-to-partner-to-globally-transform-patient-care/

Estudio publicado recientemente en JAMA Network, muestra la validación de un modelo de aprendizaje profundo para predecir cáncer de pulmón a través de radiografías y registros médicos electrónicos. La mortalidad por cáncer de pulmón pueden reducirse entre 20 y 24% gracias a la detección temprana utilizando tomografía computarizada. Se trata de un dato sumamente relevante, ya que esta enfermedad es la principal muerte por cáncer a nivel mundial.  En Estados Unidos los Centros de Servicios Medicare y Medicaid establecen que para someterse a una tomografía computarizada para detección de cáncer los pacientes deben tener entre 55 y 77 años y tener antecedentes de tabaquismo. Esta situación limita la detección de esta enfermedad que registra más muertes en Estados Unidos que los otros tres principales tipos de cáncer en el país. Investigadores de diversos centros de estudio y hospitales de Massachussets, como Harvard, Brigham and Women’s Hospital, Massachussets General Hospital, entre otros, realizaron una investigación que plantea la utilidad de un modelo de aprendizaje profundo para identificar a personas con alto riesgo de padecer cáncer de pulmón. El modelo utiliza radiografías de tórax y otros datos obtenidos por medio de registros médicos electrónicos para identificar a pacientes con alto riesgo y que sean elegibles para realizarse una tomografía computarizada en los servicios de Medicare y Medicaid. La investigación buscó la validación del algoritmo CXR-LC, una herramienta de aprendizaje profundo de código abierto capaz de estimar el riesgo de cáncer de pulmón a partir de imágenes de radiografías de tórax existentes y otros datos de registros médicos. Este modelo podría permitir la identificación automatizada de pacientes de alto riesgo. El estudio comparó las estimaciones de CXR-LC con pautas de detección de Medicare y Medicaid utilizando datos de pacientes de Mass General Brigham. Los participantes incluidos fueron personas fumadoras o que habían fumado cigarrillos y contaban con una radiografía de tórax ambulatoria entre el 1 de enero de 2013 y el 31 de diciembre de 2014, sin antecedentes de cáncer de pulmón o uso de tomografía computarizada para su detección. En este sentido, para el estudio se tomaron en cuenta datos de registros médicos electrónicos de 14,737 pacientes en el sistema de salud de Mass General Brigham. El modelo CXR-LC identificó a las personas con alto riesgo de cáncer de pulmón, incluidas aquellas que no cumplieron con los criterios de elegibilidad para la detección del cáncer de pulmón de Medicare. “Estos resultados sugieren que un modelo de aprendizaje profundo puede ayudar a identificar a las personas de alto riesgo que pueden beneficiarse de la detección del cáncer de pulmón con tomografía computarizada de tórax”, explican los autores. Consulta los hallazgos en el siguiente enlace: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2799952 BIBLIOGRAFÍA JAMA NETWORK https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2799952

Un modelo de Inteligencia Artificial mostró mejora en las tasas de remisión de diabetes tipo 2, según un estudio de la Asociación Estadounidense de Diabetes (ADA). La remisión para pacientes con diabetes tipo 2 es definida en el estudio como “mantener niveles normales de glucosa en sangre durante al menos tres meses sin tomar medicamentos para la diabetes”. Las tasas de remisión se evalúan a través de los cambios en la hemoglobina A1C, de esta forma, los investigadores realizaron un ensayo para medir los beneficios de la tecnología de Inteligencia Artificial (IA), y compararla con la atención tradicional. La tecnología Twin Precision Treatment (TPT), fue comparada con la atención estándar en intervalos de 90 días. En total, 319 pacientes que viven con diabetes tipo 2, y con una edad promedio de 45 años, formaron parte del estudio. Una de las características de los pacientes fue que su diagnóstico de diabetes tiene un promedio de 3,9 años y contaron con un A1C de 9% al inicio del ensayo aleatorio. La intervención TPT se trata de un análisis predictivo que utiliza IA y dispositivos para la recopilación de datos de los pacientes, como aspectos de nutrición, actividad física, respiración y sueño. Del total de pacientes, 262 lograron completar el ensayo de 180 días, de los cuales 199 recibían la intervención TPT y 63 la intervención estándar. De los 199 pacientes pertenecientes a TPT, casi el 95% alcanzó niveles de A1C menores al 6,5%, sin necesidad de tomar medicamentos específicos para la diabetes. Y el 84% alcanzó tasas de remisión que coinciden con los criterios de la ADA. Incluso algunos pacientes dejaron de aplicarse insulina porque sus niveles de glucosa habían alcanzado niveles normales. “Nuestros resultados demuestran el potencial de la tecnología Whole-Body Digital Twin para cambiar el control convencional basado en medicamentos de la diabetes tipo 2 para lograr la remisión de la diabetes tipo 2 con una vida libre de medicamentos”, explicó el Dr. Paramesh Shamanna, quien es director médico de Twin Health y fue el autor principal del estudio. BIBLIOGRAFÍA ADA https://www.diabetes.org/newsroom/press-releases/2022/artificial-intelligence-offers-significant-rate-remission-type-2-diabetes-compared-to-standard-care HEALTH IT ANALYTICS https://healthitanalytics.com/news/ai-approach-offers-higher-rate-of-diabetes-remission-than-standard-care

Investigadores en Estados Unidos presentaron un marco para promover los incentivos financieros a la adopción de Inteligencia Artificial (IA), en sistemas de salud. El estudio presentado en npj Digital Medicine, explica que la adopción de la IA en la atención de la salud, necesita de inventivos financieros constantes y sostenibles. Por ello los autores presentaron un marco para determinar analíticamente el valor y costo de cada servicio de IA. El marco presenta acciones específicas que incluyen a las partes interesadas, como pacientes, proveedores, desarrolladores de IA, e incluso legisladores. Uno de los propósitos del marco es lograr un equilibrio entre la ética, flujo de trabajo, costo y valor identificado de cada actor. El marco también explica que la IA que no ofrezca beneficios para la salud no debe recibir incentivos financieros, por ello es necesario que los incentivos sean supervisados por agentes públicos o privados. En este sentido, los autores proponen un marco integral que: Maximiza la alineación con los marcos éticos para la IA en el cuidado de la salud Permite una alineación más óptima entre las perspectivas ética, de equidad, flujo de trabajo, costo y valor para los servicios de IA Mejora el apoyo y la participación de las partes interesadas afectadas, (d) es transparente Se relaciona con los sistemas de cobertura y monto de pago existentes en Estados Unidos A pesar de que el marco desarrollado por estos autores se enfoca principalmente en Estados Unidos, consideran que puede ser una plantilla útil para aplicarse con algunas modificaciones en cualquier sistema de atención médica. Asimismo, el artículo enlista las partes interesadas y necesarias para la aplicación de IA e los sistemas de salud. En primer lugar, los reguladores, en el caso de Estados Unidos la Administración de Alimentos y Medicamentos, se encarga de estas tareas. Pacientes y organizaciones de pacientes que apoyen el uso de IA basada en evidencia científica. Expertos en medicina basada en evidencia que respalden el uso de IA en salud. Organizaciones de médicos y proveedores. Programas gubernamentales de salud, que incluyan la adopción e implementación de IA en sus estrategias. Legislativos y ejecutivos del gobierno, quienes establecen las leyes que favorecen la adopción de la IA en el cuidado de la salud. Seguros gubernamentales como Medicaid, Medicare, entre otros. Así como los seguros de salud comerciales. Consulta el artículo completo que además incluye un estudio de caso sobre IA autónoma en examen de retina diabético: https://www.nature.com/articles/s41746-022-00621-w BIBLIOGRAFÍA NATURE https://www.nature.com/articles/s41746-022-00621-w