{"id":40654,"date":"2023-09-06T09:14:03","date_gmt":"2023-09-06T15:14:03","guid":{"rendered":"https:\/\/saluddigital.com\/?p=40654"},"modified":"2025-10-19T00:43:50","modified_gmt":"2025-10-19T06:43:50","slug":"investigadores-de-yale-desarrollan-ia-que-automatiza-el-diagnostico-de-enfermedades-cardiacas-graves","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/investigadores-de-yale-desarrollan-ia-que-automatiza-el-diagnostico-de-enfermedades-cardiacas-graves\/","title":{"rendered":"Investigadores de Yale desarrollan IA que automatiza el diagn\u00f3stico de enfermedades card\u00edacas graves"},"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

Modelo de aprendizaje profundo logra detectar con precisi\u00f3n la estenosis a\u00f3rtica grave a trav\u00e9s de an\u00e1lisis de ecocardiograf\u00edas. <\/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 del Laboratorio de Ciencia de Datos Cardiovasculares (CarDS, en ingl\u00e9s) de la Universidad de Yale, desarrollaron un modelo de inteligencia artificial (IA) para la detecci\u00f3n de estenosis a\u00f3rtica grave (EA), una enfermedad valvular cardiaca. El diagn\u00f3stico temprano de la EA es fundamental para prevenir la morbilidad y la mortalidad, sin embargo, requiere un examen especializado con im\u00e1genes Doppler.<\/p>

En un estudio publicado en European Health Journal<\/em>, los investigadores del CarDS explican el proceso del desarrollo de un modelo de IA basado en aprendizaje profundo o Deep learning<\/em> para detectar EA a partir de im\u00e1genes de ecocardiograf\u00eda. La EA como se mencion\u00f3 anteriormente, es una afecci\u00f3n seria que puede llevar a problemas de salud importantes, y detectarla temprano es crucial.<\/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 este sentido el modelo fue entrenado utilizando 5,257 estudios de ecocardiograf\u00eda en 2D que incluyeron m\u00e1s de 17 mil videos. Los estudios corresponden a datos del Yale-New Haven Hospital (YNHH) en Connecticut recopilados de 2016 a 2020. De esta forma, el modelo de aprendizaje profundo fue entrenado para reconocer patrones espec\u00edficos que indican EA grave en estas im\u00e1genes.<\/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

Asimismo, el modelo fue validado con un conjunto de datos de 2,40 estudios consecutivos realizados em 2021 en YNHH, y con otros dos conjuntos de 3,072 y 4,226 estudios realizados en la regi\u00f3n de Nueva Inglaterra y en California respectivamente.<\/p>

En cuanto a los resultados, el modelo obtuvo resultados de \u00e1rea bajo la curva de caracter\u00edsticas operativas del receptor (AUROC) de 0.978 en el conjunto de prueba, 0.952 en el conjunto de California y 0.942 en el conjunto de Nueva Inglaterra. De igual manera el modelo logr\u00f3 identificar diversas \u00e1reas espec\u00edficas del coraz\u00f3n que contribuyeron a loas predicciones realizadas, como la v\u00e1lvula a\u00f3rtica, el anillo mitral y la aur\u00edcula izquierda.<\/p>

Finalmente, el modelo proporcion\u00f3 informaci\u00f3n valiosa al demostrar que, incluso en casos de EA no grave, las probabilidades predichas estaban relacionadas con m\u00e9tricas cuantitativas que sugieren una asociaci\u00f3n con diversas etapas de gravedad de esta afecci\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\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

OXFORD ACADEMIC <\/strong><\/p>

https:\/\/academic.oup.com\/eurheartj\/advance-article-abstract\/doi\/10.1093\/eurheartj\/ehad456\/7248551?redirectedFrom=fulltext&login=false<\/a><\/p>

YALE <\/strong><\/p>

https:\/\/medicine.yale.edu\/news-article\/artificial-intelligence-automates-the-diagnosis-of-severe-heart-valve-disease\/<\/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":"

Modelo de aprendizaje profundo logra detectar con precisi\u00f3n la estenosis a\u00f3rtica grave a trav\u00e9s de an\u00e1lisis de ecocardiograf\u00edas. Investigadores del Laboratorio de Ciencia de Datos Cardiovasculares (CarDS, en ingl\u00e9s) de la Universidad de Yale, desarrollaron un modelo de inteligencia artificial (IA) para la detecci\u00f3n de estenosis a\u00f3rtica grave (EA), una enfermedad valvular cardiaca. El diagn\u00f3stico temprano de la EA es fundamental para prevenir la morbilidad y la mortalidad, sin embargo, requiere un examen especializado con im\u00e1genes Doppler. En un estudio publicado en European Health Journal, los investigadores del CarDS explican el proceso del desarrollo de un modelo de IA basado en aprendizaje profundo o Deep learning para detectar EA a partir de im\u00e1genes de ecocardiograf\u00eda. La EA como se mencion\u00f3 anteriormente, es una afecci\u00f3n seria que puede llevar a problemas de salud importantes, y detectarla temprano es crucial. En este sentido el modelo fue entrenado utilizando 5,257 estudios de ecocardiograf\u00eda en 2D que incluyeron m\u00e1s de 17 mil videos. Los estudios corresponden a datos del Yale-New Haven Hospital (YNHH) en Connecticut recopilados de 2016 a 2020. De esta forma, el modelo de aprendizaje profundo fue entrenado para reconocer patrones espec\u00edficos que indican EA grave en estas im\u00e1genes. Asimismo, el modelo fue validado con un conjunto de datos de 2,40 estudios consecutivos realizados em 2021 en YNHH, y con otros dos conjuntos de 3,072 y 4,226 estudios realizados en la regi\u00f3n de Nueva Inglaterra y en California respectivamente. En cuanto a los resultados, el modelo obtuvo resultados de \u00e1rea bajo la curva de caracter\u00edsticas operativas del receptor (AUROC) de 0.978 en el conjunto de prueba, 0.952 en el conjunto de California y 0.942 en el conjunto de Nueva Inglaterra. De igual manera el modelo logr\u00f3 identificar diversas \u00e1reas espec\u00edficas del coraz\u00f3n que contribuyeron a loas predicciones realizadas, como la v\u00e1lvula a\u00f3rtica, el anillo mitral y la aur\u00edcula izquierda. Finalmente, el modelo proporcion\u00f3 informaci\u00f3n valiosa al demostrar que, incluso en casos de EA no grave, las probabilidades predichas estaban relacionadas con m\u00e9tricas cuantitativas que sugieren una asociaci\u00f3n con diversas etapas de gravedad de esta afecci\u00f3n. BIBLIOGRAF\u00cdA OXFORD ACADEMIC https:\/\/academic.oup.com\/eurheartj\/advance-article-abstract\/doi\/10.1093\/eurheartj\/ehad456\/7248551?redirectedFrom=fulltext&login=false YALE https:\/\/medicine.yale.edu\/news-article\/artificial-intelligence-automates-the-diagnosis-of-severe-heart-valve-disease\/<\/p>","protected":false},"author":1,"featured_media":40656,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-40654","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\/40654","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=40654"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40654\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/40656"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=40654"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=40654"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=40654"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}