{"id":32661,"date":"2022-10-27T09:16:42","date_gmt":"2022-10-27T14:16:42","guid":{"rendered":"https:\/\/saluddigital.com\/?p=32661"},"modified":"2025-10-20T09:40:41","modified_gmt":"2025-10-20T15:40:41","slug":"modelo-de-ia-utiliza-la-cuenta-de-pasos-diarios-para-predecir-hospitalizaciones-en-pacientes-con-cancer","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-ia-utiliza-la-cuenta-de-pasos-diarios-para-predecir-hospitalizaciones-en-pacientes-con-cancer\/","title":{"rendered":"Modelo de IA utiliza la cuenta de pasos diarios para predecir hospitalizaciones en pacientes con c\u00e1ncer"},"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

Un modelo de Inteligencia Artificial (IA), fue desarrollado por cient\u00edficos en Estados Unidos, para predecir las hospitalizaciones no planeadas en pacientes que se encuentran en tratamientos de radiaci\u00f3n contra el c\u00e1ncer.<\/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

El 24 de octubre, durante la reuni\u00f3n anual de la Sociedad Estadounidense de Oncolog\u00eda Radioter\u00e1pica (ASTRO), fue presentado un estudio que detalla un modelo de IA que podr\u00eda predecir la posibilidad de que un paciente con c\u00e1ncer en tratamiento con radioterapia, ingrese al hospital de manera no planeada. El estudio presenta un modelo de aprendizaje autom\u00e1tico que cuenta los pasos realizados por los pacientes con c\u00e1ncer antes y despu\u00e9s de someterse a tratamiento.<\/p>

La ASTRO, explica que entre el 10 y 20% de los pacientes que se someten a tratamientos de radioterapia yo quimio radiaci\u00f3n, requieren atenci\u00f3n en el departamento de emergencias o un ingreso al hospital durante su tratamiento. Estas hospitalizaciones no son planificadas, y son un desafi\u00f3 para los pacientes como para los especialistas, ya que provoca interrupciones en el tratamiento contra esta enfermedad y puede modificar los resultados cl\u00ednicos del mismo.<\/p>

“Si puede anticipar el riesgo de hospitalizaci\u00f3n no planificada de un paciente, puede cambiar la forma en que lo apoya durante sus tratamientos contra el c\u00e1ncer y reducir la probabilidad de que termine en el servicio de urgencias o en el hospital”, dijo el Dr. Julian Hong, autor principal del estudio y profesor de oncolog\u00eda radioter\u00e1pica en la Universidad de California, San Francisco.<\/p>

Previo a este estudio, el equipo del Dr. Hong prob\u00f3 un algoritmo de aprendizaje autom\u00e1tico que fue entrenado con datos de salud, como historial de c\u00e1ncer y su tratamiento, el cual pudo identificar a pacientes con mayor riesgo de registrar una visita a urgencias durante su tratamiento.<\/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

De esta forma, el nuevo estudio recupera diversos enfoques de aprendizaje autom\u00e1tico combinado con datos de dispositivos m\u00f3viles como wearables, para monitorear la actividad f\u00edsica de los pacientes.<\/p>

El estudio realiz\u00f3 tres ensayos cl\u00ednicos con 214 pacientes, en cada ensayo los pacientes utilizaron wearables que monitorearon durante varias semanas su actividad f\u00edsica, mientras recibieron quimioradioterapia. Adem\u00e1s, los pacientes incluyeron diversos tipos de c\u00e1nceres, como de cabeza y cuello o de pulm\u00f3n.<\/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

\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\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 utiliz\u00f3 un modelo de aprendizaje autom\u00e1tico que analiza grandes cantidades de informaci\u00f3n, su objetivo final fue predecir la probabilidad de que un paciente fuera hospitalizados durante la pr\u00f3xima semana a los datos registrados en las dos semanas previas.<\/p>

Los predictores incluyeron caracter\u00edsticas del paciente como su edad, estado funcional, as\u00ed como la actividad f\u00edsica, como pasos diarios, todo esto antes y despu\u00e9s del tratamiento. el primer modelo fue probado sin tomar en cuenta los pasos en 151 pacientes y el segundo integr\u00f3 el conteo de pasos fue probado en 63 pacientes, el cual finalmente super\u00f3 significativamente al primero en la predicci\u00f3n de la hospitalizaci\u00f3n la semana siguiente.<\/p>

\u201cEl conteo de pasos inmediatamente anterior a la ventana de predicci\u00f3n termin\u00f3 siendo generalmente m\u00e1s predictivo que las variables cl\u00ednicas. La naturaleza din\u00e1mica de los conteos de pasos, el hecho de que est\u00e1n cambiando todos los d\u00edas, parece convertirlos en un indicador particularmente bueno del estado de salud de un paciente\u201d, dijo el Dr. Hong.<\/p>

Los datos de actividad f\u00edsica, en espec\u00edfico de los pasos, durante los \u00faltimos dos d\u00edas, fueron una de las variables m\u00e1s importantes del modelo. \u201cUna de las partes \u00fanicas de este modelo es que est\u00e1 dise\u00f1ado para ser una predicci\u00f3n continua\u201d, explic\u00f3 la Dra. Isabel Friesner, tambi\u00e9n autora principal del estudio.<\/p>

De esta manera, el estudio demostr\u00f3 que la recopilaci\u00f3n de este tipo de datos es sumamente valiosa, sobre todo porque son recopilados por los mismos pacientes durante sus actividades cotidianas. A futuro, los investigadores y su equipo buscar\u00e1n explorar estudios relacionados con la recopilaci\u00f3n de otras m\u00e9tricas como la frecuencia cardiaca, tambi\u00e9n obtenidas trav\u00e9s de wearables y dispositivos port\u00e1tiles.<\/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

NEWS WISE<\/strong><\/p>

https:\/\/www.newswise.com\/articles\/ai-model-using-daily-step-counts-predicts-unplanned-hospitalizations-during-cancer-therapy<\/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":"

Un modelo de Inteligencia Artificial (IA), fue desarrollado por cient\u00edficos en Estados Unidos, para predecir las hospitalizaciones no planeadas en pacientes que se encuentran en tratamientos de radiaci\u00f3n contra el c\u00e1ncer. El 24 de octubre, durante la reuni\u00f3n anual de la Sociedad Estadounidense de Oncolog\u00eda Radioter\u00e1pica (ASTRO), fue presentado un estudio que detalla un modelo de IA que podr\u00eda predecir la posibilidad de que un paciente con c\u00e1ncer en tratamiento con radioterapia, ingrese al hospital de manera no planeada. El estudio presenta un modelo de aprendizaje autom\u00e1tico que cuenta los pasos realizados por los pacientes con c\u00e1ncer antes y despu\u00e9s de someterse a tratamiento. La ASTRO, explica que entre el 10 y 20% de los pacientes que se someten a tratamientos de radioterapia yo quimio radiaci\u00f3n, requieren atenci\u00f3n en el departamento de emergencias o un ingreso al hospital durante su tratamiento. Estas hospitalizaciones no son planificadas, y son un desafi\u00f3 para los pacientes como para los especialistas, ya que provoca interrupciones en el tratamiento contra esta enfermedad y puede modificar los resultados cl\u00ednicos del mismo. “Si puede anticipar el riesgo de hospitalizaci\u00f3n no planificada de un paciente, puede cambiar la forma en que lo apoya durante sus tratamientos contra el c\u00e1ncer y reducir la probabilidad de que termine en el servicio de urgencias o en el hospital”, dijo el Dr. Julian Hong, autor principal del estudio y profesor de oncolog\u00eda radioter\u00e1pica en la Universidad de California, San Francisco. Previo a este estudio, el equipo del Dr. Hong prob\u00f3 un algoritmo de aprendizaje autom\u00e1tico que fue entrenado con datos de salud, como historial de c\u00e1ncer y su tratamiento, el cual pudo identificar a pacientes con mayor riesgo de registrar una visita a urgencias durante su tratamiento. De esta forma, el nuevo estudio recupera diversos enfoques de aprendizaje autom\u00e1tico combinado con datos de dispositivos m\u00f3viles como wearables, para monitorear la actividad f\u00edsica de los pacientes. El estudio realiz\u00f3 tres ensayos cl\u00ednicos con 214 pacientes, en cada ensayo los pacientes utilizaron wearables que monitorearon durante varias semanas su actividad f\u00edsica, mientras recibieron quimioradioterapia. Adem\u00e1s, los pacientes incluyeron diversos tipos de c\u00e1nceres, como de cabeza y cuello o de pulm\u00f3n. El estudio utiliz\u00f3 un modelo de aprendizaje autom\u00e1tico que analiza grandes cantidades de informaci\u00f3n, su objetivo final fue predecir la probabilidad de que un paciente fuera hospitalizados durante la pr\u00f3xima semana a los datos registrados en las dos semanas previas. Los predictores incluyeron caracter\u00edsticas del paciente como su edad, estado funcional, as\u00ed como la actividad f\u00edsica, como pasos diarios, todo esto antes y despu\u00e9s del tratamiento. el primer modelo fue probado sin tomar en cuenta los pasos en 151 pacientes y el segundo integr\u00f3 el conteo de pasos fue probado en 63 pacientes, el cual finalmente super\u00f3 significativamente al primero en la predicci\u00f3n de la hospitalizaci\u00f3n la semana siguiente. \u201cEl conteo de pasos inmediatamente anterior a la ventana de predicci\u00f3n termin\u00f3 siendo generalmente m\u00e1s predictivo que las variables cl\u00ednicas. La naturaleza din\u00e1mica de los conteos de pasos, el hecho de que est\u00e1n cambiando todos los d\u00edas, parece convertirlos en un indicador particularmente bueno del estado de salud de un paciente\u201d, dijo el Dr. Hong. Los datos de actividad f\u00edsica, en espec\u00edfico de los pasos, durante los \u00faltimos dos d\u00edas, fueron una de las variables m\u00e1s importantes del modelo. \u201cUna de las partes \u00fanicas de este modelo es que est\u00e1 dise\u00f1ado para ser una predicci\u00f3n continua\u201d, explic\u00f3 la Dra. Isabel Friesner, tambi\u00e9n autora principal del estudio. De esta manera, el estudio demostr\u00f3 que la recopilaci\u00f3n de este tipo de datos es sumamente valiosa, sobre todo porque son recopilados por los mismos pacientes durante sus actividades cotidianas. A futuro, los investigadores y su equipo buscar\u00e1n explorar estudios relacionados con la recopilaci\u00f3n de otras m\u00e9tricas como la frecuencia cardiaca, tambi\u00e9n obtenidas trav\u00e9s de wearables y dispositivos port\u00e1tiles. BIBLIOGRAF\u00cdA NEWS WISE https:\/\/www.newswise.com\/articles\/ai-model-using-daily-step-counts-predicts-unplanned-hospitalizations-during-cancer-therapy<\/p>","protected":false},"author":1,"featured_media":32662,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-32661","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/32661","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=32661"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/32661\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/32662"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=32661"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=32661"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=32661"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}