{"id":32760,"date":"2022-10-28T10:11:01","date_gmt":"2022-10-28T15:11:01","guid":{"rendered":"https:\/\/saluddigital.com\/?p=32760"},"modified":"2025-10-20T09:40:32","modified_gmt":"2025-10-20T15:40:32","slug":"universidad-de-florida-trabaja-en-algoritmos-de-ia-para-la-prediccion-de-enfermedades-raras","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/universidad-de-florida-trabaja-en-algoritmos-de-ia-para-la-prediccion-de-enfermedades-raras\/","title":{"rendered":"Universidad de Florida trabaja en algoritmos de IA para la predicci\u00f3n de enfermedades raras"},"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

University of Florida Health (UF Health) y el Sistema de Salud de la Universidad de Pennsylvania (Penn Medicine), est\u00e1n desarrollado una serie de algoritmos basados en Inteligencia Artificial (IA), para encontrar patrones de enfermedades raras o poco frecuentes en expedientes m\u00e9dicos electr\u00f3nicos de pacientes.<\/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 de UF Health<\/a> y de Penn Medicine han trabajado en una t\u00e9cnica de algoritmos que identifican analizan expedientes m\u00e9dicos electr\u00f3nicos para identificar a pacientes con riesgo de desarrollar ciertas enfermedades raras o poco comunes. Este tipo de pacientes se les conoce como cebras, y cuentan con un conjunto de trastornos heredados que afectan a la piel, articulaciones y vasos sangu\u00edneos. En Estados Unidos, las enfermedades raras son aquellas que se presentan en menos de 200 mil personas en todo el pa\u00eds.<\/p>

En Estados Unidos se han registrado alrededor de 7 mil enfermedades raras las cuales representan un desaf\u00edo en su diagn\u00f3stico. El Dr. Jiang Bian de UF Health explica que \u201calgunos pacientes con enfermedades raras pueden no ser diagnosticados ni tratados durante a\u00f1os\u201d. Por ello es importante desarrollar soluciones que faciliten la identificaci\u00f3n de estos pacientes y sus enfermedades.<\/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

Los Institutos Nacionales de Salud (NIH), proporcionaron una subvenci\u00f3n de 4.7 millones de d\u00f3lares a investigadores de Penn Medicine y UF Health, para el desarrollo de modelos de IA que permitan analizar registros m\u00e9dicos y detectar se\u00f1ales de alerta de enfermedades raras.<\/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 m\u00e9todo de predicci\u00f3n desarrollado por estas instituciones fue llamado PANDA: an\u00e1lisis predictivo a trav\u00e9s de algoritmos distribuidos en red para enfermedades multisist\u00e9micas (en ingl\u00e9s). \u201cEste es un emocionante paso adelante, basado en nuestro marco PDA actual, desde la generaci\u00f3n de evidencia cl\u00ednica hacia las intervenciones informadas por IA en la toma de decisiones cl\u00ednicas\u201d, dijo el Dr. Yong Chen. Asimismo, a\u00f1adi\u00f3 que los m\u00e9dicos en la atenci\u00f3n primaria son los que enfrentan mayores desaf\u00edos ante estas enfermedades.<\/p>

UF Health, explica que entre los desaf\u00edos en el diagn\u00f3stico que enfrentan los m\u00e9dicos y sus pacientes est\u00e1n el c\u00f3mo las enfermedades raras pueden esconderse o identificarse como otras enfermedades comunes. De igual forma los profesionales m\u00e9dicos pueden verse obstaculizados por la falta de acceso a los datos o a otros m\u00e9dicos con los que trabaja el paciente y de esta forma ignorar ciertos patrones o se\u00f1ales de alerta.<\/p>

Asimismo, Bian explic\u00f3 que \u201cLa creciente disponibilidad de datos del mundo real, como los registros de salud electr\u00f3nicos recopilados a trav\u00e9s de la atenci\u00f3n de rutina, brinda una oportunidad de oro para generar evidencia del mundo real para informar la toma de decisiones cl\u00ednicas\u201d. De igual forma resalt\u00f3 la importancia de aprovechar las grandes colecciones de datos del mundo real, como es el caso de PANDA.<\/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

UF HEALTH<\/strong><\/p>

https:\/\/ufhealth.org\/news\/2022\/researchers-will-use-ai-predict-who-may-develop-certain-rare-diseases<\/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":"

University of Florida Health (UF Health) y el Sistema de Salud de la Universidad de Pennsylvania (Penn Medicine), est\u00e1n desarrollado una serie de algoritmos basados en Inteligencia Artificial (IA), para encontrar patrones de enfermedades raras o poco frecuentes en expedientes m\u00e9dicos electr\u00f3nicos de pacientes. Investigadores de UF Health y de Penn Medicine han trabajado en una t\u00e9cnica de algoritmos que identifican analizan expedientes m\u00e9dicos electr\u00f3nicos para identificar a pacientes con riesgo de desarrollar ciertas enfermedades raras o poco comunes. Este tipo de pacientes se les conoce como cebras, y cuentan con un conjunto de trastornos heredados que afectan a la piel, articulaciones y vasos sangu\u00edneos. En Estados Unidos, las enfermedades raras son aquellas que se presentan en menos de 200 mil personas en todo el pa\u00eds. En Estados Unidos se han registrado alrededor de 7 mil enfermedades raras las cuales representan un desaf\u00edo en su diagn\u00f3stico. El Dr. Jiang Bian de UF Health explica que \u201calgunos pacientes con enfermedades raras pueden no ser diagnosticados ni tratados durante a\u00f1os\u201d. Por ello es importante desarrollar soluciones que faciliten la identificaci\u00f3n de estos pacientes y sus enfermedades. Los Institutos Nacionales de Salud (NIH), proporcionaron una subvenci\u00f3n de 4.7 millones de d\u00f3lares a investigadores de Penn Medicine y UF Health, para el desarrollo de modelos de IA que permitan analizar registros m\u00e9dicos y detectar se\u00f1ales de alerta de enfermedades raras. El m\u00e9todo de predicci\u00f3n desarrollado por estas instituciones fue llamado PANDA: an\u00e1lisis predictivo a trav\u00e9s de algoritmos distribuidos en red para enfermedades multisist\u00e9micas (en ingl\u00e9s). \u201cEste es un emocionante paso adelante, basado en nuestro marco PDA actual, desde la generaci\u00f3n de evidencia cl\u00ednica hacia las intervenciones informadas por IA en la toma de decisiones cl\u00ednicas\u201d, dijo el Dr. Yong Chen. Asimismo, a\u00f1adi\u00f3 que los m\u00e9dicos en la atenci\u00f3n primaria son los que enfrentan mayores desaf\u00edos ante estas enfermedades. UF Health, explica que entre los desaf\u00edos en el diagn\u00f3stico que enfrentan los m\u00e9dicos y sus pacientes est\u00e1n el c\u00f3mo las enfermedades raras pueden esconderse o identificarse como otras enfermedades comunes. De igual forma los profesionales m\u00e9dicos pueden verse obstaculizados por la falta de acceso a los datos o a otros m\u00e9dicos con los que trabaja el paciente y de esta forma ignorar ciertos patrones o se\u00f1ales de alerta. Asimismo, Bian explic\u00f3 que \u201cLa creciente disponibilidad de datos del mundo real, como los registros de salud electr\u00f3nicos recopilados a trav\u00e9s de la atenci\u00f3n de rutina, brinda una oportunidad de oro para generar evidencia del mundo real para informar la toma de decisiones cl\u00ednicas\u201d. De igual forma resalt\u00f3 la importancia de aprovechar las grandes colecciones de datos del mundo real, como es el caso de PANDA. BIBLIOGRAF\u00cdA UF HEALTH https:\/\/ufhealth.org\/news\/2022\/researchers-will-use-ai-predict-who-may-develop-certain-rare-diseases<\/p>","protected":false},"author":1,"featured_media":32761,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-32760","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\/32760","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=32760"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/32760\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/32761"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=32760"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=32760"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=32760"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}