{"id":20620,"date":"2021-08-26T09:34:23","date_gmt":"2021-08-26T14:34:23","guid":{"rendered":"https:\/\/saluddigital.com\/?p=20620"},"modified":"2025-10-21T12:16:34","modified_gmt":"2025-10-21T18:16:34","slug":"investigacion-muestra-icovid-un-sistema-de-aprendizaje-profundo-para-la-prediccion-de-tiempo-de-recuperacion-de-covid-19","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/investigacion-muestra-icovid-un-sistema-de-aprendizaje-profundo-para-la-prediccion-de-tiempo-de-recuperacion-de-covid-19\/","title":{"rendered":"Research shows iCOVID a deep learning system for COVID-19 recovery time prediction"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Cient\u00edficos en China desarrollaron iCOVID, una herramienta de predicci\u00f3n temprana de tiempo de recuperaci\u00f3n de COVID-19 basada en aprendizaje profundo.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores y cient\u00edficos alrededor del mundo han desarrollado algoritmos y sistemas de Inteligencia Artificial (IA) con relaci\u00f3n COVID-19<\/a> desde el comienzo de la pandemia. A trav\u00e9s de la IA se han desarrollado investigaciones y estudios para la b\u00fasqueda de tratamientos contra la enfermedad, para conocer la evoluci\u00f3n de la enfermedad en los pacientes, para realizar predicciones de recuperaci\u00f3n, para hacer monitoreo remoto de pacientes en recuperaci\u00f3n, o para realizar diagn\u00f3sticos r\u00e1pidos, entre otras.<\/p>

\u201cAlgunos estudios han demostrado que los biomarcadores, los s\u00edntomas, las comorbilidades e incluso las im\u00e1genes de Tomograf\u00eda Computarizada (TC) se pueden aplicar para diversas tareas de predicci\u00f3n del pron\u00f3stico, incluida la predicci\u00f3n del riesgo de mortalidad, la progresi\u00f3n a un estado grave o cr\u00edtico e ingreso a la unidad de cuidados intensivos\u201d, explican los autores del estudio: \u201ciCOVID: marco de aprendizaje profundo interpretable para la predicci\u00f3n temprana del tiempo de recuperaci\u00f3n de pacientes con COVID-19\u201d.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En el estudio publicado en npj Digital Medicine journal<\/em> of Nature<\/em>, se muestra que, Cient\u00edficos en Wuhan, China, reunieron datos de m\u00e1s de 3 mil pacientes para probar un mecanismo denominado iCOVID, que revelar\u00eda caracter\u00edsticas que afectan la predicci\u00f3n del avance de la enfermedad en cada paciente.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El estudio presenta un marco de aprendizaje profundo que considera informaci\u00f3n del tratamiento para predecir tempranamente los tiempos de recuperaci\u00f3n de COVID-19 del paciente. iCOVID puede utilizar datos de diferentes modalidades y heterog\u00e9neos, por ejemplo, im\u00e1genes de TC, biomarcadores, s\u00edntomas, comorbilidades, e informaci\u00f3n espec\u00edfica del tratamiento.<\/p>

\u00a0<\/p>

“Nuestro estudio revela que los esquemas de tratamiento, la edad, los s\u00edntomas, las comorbilidades y los biomarcadores est\u00e1n muy relacionados con las predicciones del tiempo de recuperaci\u00f3n”, explicaron los autores.<\/p>

En la publicaci\u00f3n los autores clasificaron las contribuciones del estudio en tres partes principales:<\/p>

  1. Desarrollaron un m\u00e9todo de aprendizaje profundo para la predicci\u00f3n del tiempo de recuperaci\u00f3n de pacientes COVID, basado en datos cl\u00ednicos multimodales.<\/li>
  2. iCOVID, es un modelo de regresi\u00f3n que depende del tiempo, y as\u00ed logra conocer la probabilidad de recuperaci\u00f3n dentro de un rango de tiempo.<\/li>
  3. Se trata de un mecanismo interpretable y dise\u00f1ado para conocer todas las caracter\u00edsticas cl\u00ednicas del paciente.<\/li><\/ol>

    Puedes leer el estudio completo en el siguiente enlace: https:\/\/www.nature.com\/articles\/s41746-021-00496-3<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

    \n\t\t\t\t\t\t
    \n\t\t\t\t\t
    \n\t\t\t
    \n\t\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

    NATURE<\/strong><\/p>

    https:\/\/www.nature.com\/articles\/s41746-021-00496-3<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

    Cient\u00edficos en China desarrollaron iCOVID, una herramienta de predicci\u00f3n temprana de tiempo de recuperaci\u00f3n de COVID-19 basada en aprendizaje profundo. Investigadores y cient\u00edficos alrededor del mundo han desarrollado algoritmos y sistemas de Inteligencia Artificial (IA) con relaci\u00f3n COVID-19 desde el comienzo de la pandemia. A trav\u00e9s de la IA se han desarrollado investigaciones y estudios para la b\u00fasqueda de tratamientos contra la enfermedad, para conocer la evoluci\u00f3n de la enfermedad en los pacientes, para realizar predicciones de recuperaci\u00f3n, para hacer monitoreo remoto de pacientes en recuperaci\u00f3n, o para realizar diagn\u00f3sticos r\u00e1pidos, entre otras. \u201cAlgunos estudios han demostrado que los biomarcadores, los s\u00edntomas, las comorbilidades e incluso las im\u00e1genes de Tomograf\u00eda Computarizada (TC) se pueden aplicar para diversas tareas de predicci\u00f3n del pron\u00f3stico, incluida la predicci\u00f3n del riesgo de mortalidad, la progresi\u00f3n a un estado grave o cr\u00edtico e ingreso a la unidad de cuidados intensivos\u201d, explican los autores del estudio: \u201ciCOVID: marco de aprendizaje profundo interpretable para la predicci\u00f3n temprana del tiempo de recuperaci\u00f3n de pacientes con COVID-19\u201d. En el estudio publicado en npj Digital Medicine de Nature, se muestra que, Cient\u00edficos en Wuhan, China, reunieron datos de m\u00e1s de 3 mil pacientes para probar un mecanismo denominado iCOVID, que revelar\u00eda caracter\u00edsticas que afectan la predicci\u00f3n del avance de la enfermedad en cada paciente. El estudio presenta un marco de aprendizaje profundo que considera informaci\u00f3n del tratamiento para predecir tempranamente los tiempos de recuperaci\u00f3n de COVID-19 del paciente. iCOVID puede utilizar datos de diferentes modalidades y heterog\u00e9neos, por ejemplo, im\u00e1genes de TC, biomarcadores, s\u00edntomas, comorbilidades, e informaci\u00f3n espec\u00edfica del tratamiento. “Nuestro estudio revela que los esquemas de tratamiento, la edad, los s\u00edntomas, las comorbilidades y los biomarcadores est\u00e1n muy relacionados con las predicciones del tiempo de recuperaci\u00f3n”, explicaron los autores. En la publicaci\u00f3n los autores clasificaron las contribuciones del estudio en tres partes principales: Desarrollaron un m\u00e9todo de aprendizaje profundo para la predicci\u00f3n del tiempo de recuperaci\u00f3n de pacientes COVID, basado en datos cl\u00ednicos multimodales. iCOVID, es un modelo de regresi\u00f3n que depende del tiempo, y as\u00ed logra conocer la probabilidad de recuperaci\u00f3n dentro de un rango de tiempo. Se trata de un mecanismo interpretable y dise\u00f1ado para conocer todas las caracter\u00edsticas cl\u00ednicas del paciente. Puedes leer el estudio completo en el siguiente enlace: https:\/\/www.nature.com\/articles\/s41746-021-00496-3 BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s41746-021-00496-3<\/p>","protected":false},"author":1,"featured_media":20622,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3399,156,3393,160,1418],"tags":[145],"class_list":["post-20620","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-analitica","category-big-data","category-inteligencia-artificial-y-ciencia","category-noticias","category-resena-de-publicaciones-cientificas","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/20620","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=20620"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/20620\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/20622"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=20620"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=20620"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=20620"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}