{"id":37125,"date":"2023-02-21T09:53:04","date_gmt":"2023-02-21T15:53:04","guid":{"rendered":"https:\/\/saluddigital.com\/?p=37125"},"modified":"2025-10-19T23:46:42","modified_gmt":"2025-10-20T05:46:42","slug":"utilizan-datos-medicos-de-madres-y-bebes-para-predecir-riesgos-de-salud-en-recien-nacidos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/utilizan-datos-medicos-de-madres-y-bebes-para-predecir-riesgos-de-salud-en-recien-nacidos\/","title":{"rendered":"Utilizan datos m\u00e9dicos de madres y beb\u00e9s para predecir riesgos de salud en reci\u00e9n nacidos"},"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 de Stanford Medicine publicaron un estudio que muestra c\u00f3mo modelos de aprendizaje profundo y aprendizaje autom\u00e1tico pueden predecir riesgos de salud de reci\u00e9n nacidos, a trav\u00e9s de la lectura y evaluaci\u00f3n de registros m\u00e9dicos electr\u00f3nicos.<\/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

Gracias a un algoritmo de aprendizaje autom\u00e1tico, es posible la predicci\u00f3n de la evoluci\u00f3n de la salud de los reci\u00e9n nacidos en situaci\u00f3n de riesgo, especialmente durante sus dos primeros meses de vida. Este m\u00e9todo desarrollado por investigadores de Stanford Medicine permite clasificar el riesgo que tiene un reci\u00e9n nacido de desarrollar complicaciones prematuras.<\/p>

La muerte prematura es una de las causas de muerte m\u00e1s com\u00fan en ni\u00f1os menores de cinco a\u00f1os, sin embargo, existe poca predicci\u00f3n para guiar decisiones de atenci\u00f3n para la edad gestacional. El estudio propone la evaluaci\u00f3n de riesgo longitudinal para resultados neonatales adversos en reci\u00e9n nacidos basada en un modelo de aprendizaje profundo. Este modelo utiliza registros de salud electr\u00f3nicos, para predecir resultados durante un periodo que comienza desde antes de la concepci\u00f3n y termina meses despu\u00e9s del nacimiento.<\/p>

\u201cSe trata de una nueva forma de pensar sobre el parto prematuro, que se centra en los factores de salud individuales de los reci\u00e9n nacidos en lugar de fijarse s\u00f3lo en lo temprano que nacen\u201d, explic\u00f3 uno de los autores, el Dr. Nima Aghaeepour.<\/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

Para desarrollar el algoritmo utilizado en el estudio, los autores recolectaron datos de 22,104 parejas de madres y reci\u00e9n nacidos entre 2014 y 2018 y extrajeron los registros m\u00e9dicos para entrenar un modelo de red neuronal de memoria a largo y a corto plazo capaz de predecir 24 resultados neonatales diferentes.<\/p>

\u201cEn neonatolog\u00eda nos fijamos sobre todo en el beb\u00e9 para tomar decisiones terap\u00e9uticas, pero estamos descubriendo que podemos obtener informaci\u00f3n valiosa de la historia cl\u00ednica materna, que nos permite conocer realmente c\u00f3mo la exposici\u00f3n a su entorno materno espec\u00edfico ha determinado la trayectoria de cada beb\u00e9\u201d, se\u00f1ala el coautor del estudio, el Dr. David Stevenson.<\/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

Gracias a la memoria de largo y corto plazo de la red neuronal, los autores desarrollaron un modelo matem\u00e1tico bas\u00e1ndose en los registros m\u00e9dicos para lograr la predicci\u00f3n de estos 24 resultados en salud en beb\u00e9s luego de dos meses de su nacimiento.<\/p>

Asimismo, el modelo revelo conexiones entre la salud y condiciones sociales de las madres y la salud de sus beb\u00e9s. Por ejemplo, madres con anemia hac\u00edan m\u00e1s propensos a sus beb\u00e9s a nacer con esta condici\u00f3n. De esta forma las predicciones del modelo pueden identificar diversas situaciones c\u00f3mo los beneficios de los protocolos de prevenir complicaciones al nacimiento hasta los factores sociales que llegan a afectar a las madres.<\/p>

Los autores explican que este modelo podr\u00eda ser replicado en poblaciones m\u00e1s diversas para encontrar nuevas caracter\u00edsticas y biomarcadores durante la gestaci\u00f3n.<\/p>

You can consult the full study at the following link:<\/p>

https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.adc9854<\/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

SCIENCE<\/strong><\/p>

https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.adc9854<\/a><\/p>

STANFORD MEDICINE<\/strong><\/p>

https:\/\/med.stanford.edu\/news\/all-news\/2023\/02\/prematurity-complications.html<\/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 de Stanford Medicine publicaron un estudio que muestra c\u00f3mo modelos de aprendizaje profundo y aprendizaje autom\u00e1tico pueden predecir riesgos de salud de reci\u00e9n nacidos, a trav\u00e9s de la lectura y evaluaci\u00f3n de registros m\u00e9dicos electr\u00f3nicos. Gracias a un algoritmo de aprendizaje autom\u00e1tico, es posible la predicci\u00f3n de la evoluci\u00f3n de la salud de los reci\u00e9n nacidos en situaci\u00f3n de riesgo, especialmente durante sus dos primeros meses de vida. Este m\u00e9todo desarrollado por investigadores de Stanford Medicine permite clasificar el riesgo que tiene un reci\u00e9n nacido de desarrollar complicaciones prematuras. La muerte prematura es una de las causas de muerte m\u00e1s com\u00fan en ni\u00f1os menores de cinco a\u00f1os, sin embargo, existe poca predicci\u00f3n para guiar decisiones de atenci\u00f3n para la edad gestacional. El estudio propone la evaluaci\u00f3n de riesgo longitudinal para resultados neonatales adversos en reci\u00e9n nacidos basada en un modelo de aprendizaje profundo. Este modelo utiliza registros de salud electr\u00f3nicos, para predecir resultados durante un periodo que comienza desde antes de la concepci\u00f3n y termina meses despu\u00e9s del nacimiento. \u201cSe trata de una nueva forma de pensar sobre el parto prematuro, que se centra en los factores de salud individuales de los reci\u00e9n nacidos en lugar de fijarse s\u00f3lo en lo temprano que nacen\u201d, explic\u00f3 uno de los autores, el Dr. Nima Aghaeepour. Para desarrollar el algoritmo utilizado en el estudio, los autores recolectaron datos de 22,104 parejas de madres y reci\u00e9n nacidos entre 2014 y 2018 y extrajeron los registros m\u00e9dicos para entrenar un modelo de red neuronal de memoria a largo y a corto plazo capaz de predecir 24 resultados neonatales diferentes. \u201cEn neonatolog\u00eda nos fijamos sobre todo en el beb\u00e9 para tomar decisiones terap\u00e9uticas, pero estamos descubriendo que podemos obtener informaci\u00f3n valiosa de la historia cl\u00ednica materna, que nos permite conocer realmente c\u00f3mo la exposici\u00f3n a su entorno materno espec\u00edfico ha determinado la trayectoria de cada beb\u00e9\u201d, se\u00f1ala el coautor del estudio, el Dr. David Stevenson. Gracias a la memoria de largo y corto plazo de la red neuronal, los autores desarrollaron un modelo matem\u00e1tico bas\u00e1ndose en los registros m\u00e9dicos para lograr la predicci\u00f3n de estos 24 resultados en salud en beb\u00e9s luego de dos meses de su nacimiento. Asimismo, el modelo revelo conexiones entre la salud y condiciones sociales de las madres y la salud de sus beb\u00e9s. Por ejemplo, madres con anemia hac\u00edan m\u00e1s propensos a sus beb\u00e9s a nacer con esta condici\u00f3n. De esta forma las predicciones del modelo pueden identificar diversas situaciones c\u00f3mo los beneficios de los protocolos de prevenir complicaciones al nacimiento hasta los factores sociales que llegan a afectar a las madres. Los autores explican que este modelo podr\u00eda ser replicado en poblaciones m\u00e1s diversas para encontrar nuevas caracter\u00edsticas y biomarcadores durante la gestaci\u00f3n. Puedes consultar el estudio completo en el siguiente enlace: https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.adc9854 BIBLIOGRAF\u00cdA SCIENCE https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.adc9854 STANFORD MEDICINE https:\/\/med.stanford.edu\/news\/all-news\/2023\/02\/prematurity-complications.html<\/p>","protected":false},"author":1,"featured_media":37127,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-37125","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\/37125","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=37125"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/37125\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/37127"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=37125"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=37125"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=37125"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}