{"id":43734,"date":"2024-01-26T09:29:52","date_gmt":"2024-01-26T15:29:52","guid":{"rendered":"https:\/\/saluddigital.com\/?p=43734"},"modified":"2025-10-18T22:23:15","modified_gmt":"2025-10-19T04:23:15","slug":"ia-predice-complicaciones-y-fallecimientos-en-pacientes-de-cirugias-de-angioplastia","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-predice-complicaciones-y-fallecimientos-en-pacientes-de-cirugias-de-angioplastia\/","title":{"rendered":"IA predice complicaciones y fallecimientos en pacientes de cirug\u00edas de angioplastia"},"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 nuevo modelo de IA desarrollado por la Universidad de Michigan muestra alta precisi\u00f3n en la predicci\u00f3n de riesgos en procedimientos card\u00edacos.<\/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

Un equipo de investigadores de Michigan Medicine ha desarrollado un algoritmo impulsado por inteligencia artificial (IA) que puede prever con precisi\u00f3n complicaciones y fallecimientos despu\u00e9s de una intervenci\u00f3n coronaria percut\u00e1nea (PCI, en ingl\u00e9s), un procedimiento utilizado para tratar arterias card\u00edacas bloqueadas. Un estudio publicado en European Heart Journal<\/i> muestra los resultados de esta IA y destaca su utilidad para los profesionales de la salud al tomar decisiones sobre el tratamiento.<\/p>

El l\u00edder del estudio, David E. Hamilton, explic\u00f3 que: “Los riesgos para los pacientes sometidos a la intervenci\u00f3n coronaria percut\u00e1nea var\u00edan considerablemente seg\u00fan el paciente individual, y tanto los pacientes como los m\u00e9dicos hist\u00f3ricamente han subestimado y sobreestimado los da\u00f1os asociados con la PCI\u201d. De igual forma, el algoritmo desarrollado puede reconocer diversos resultados despu\u00e9s de la PCI y se presenta como una herramienta \u00fatil para la toma de decisiones compartida entre proveedores de atenci\u00f3n y pacientes.<\/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

Seg\u00fan los autores del estudio, a diferencia de otras herramientas de estratificaci\u00f3n de riesgos, este modelo incorpor\u00f3 datos de pacientes, utilizando el registro Blue Cross Blue Shield of Michigan Cardiovascular Consortium (BMC2). Este conjunto de datos incluy\u00f3 m\u00e1s de 20 caracter\u00edsticas preoperatorias, como edad, presi\u00f3n arterial y colesterol total, para crear un modelo de predicci\u00f3n de riesgos mediante el software de aprendizaje autom\u00e1tico XGBoost. El modelo de IA mostr\u00f3 una alta precisi\u00f3n en la predicci\u00f3n de muertes, eventos de sangrado significativos y la necesidad de transfusiones sangu\u00edneas, superando a otros modelos que utilizaron las mismas caracter\u00edsticas preoperatorias.<\/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

Por su parte, Hitinder Gurm, coautor del estudio, se\u00f1al\u00f3: \u201cCombinamos el modelo predictivo con la retroalimentaci\u00f3n de los pacientes del Consejo Asesor de Pacientes de PCI para transformar el aprendizaje autom\u00e1tico en esta herramienta de predicci\u00f3n de riesgos individualizada centrada en el paciente\u201d. La tecnolog\u00eda innovadora se ha integrado en una aplicaci\u00f3n para computadora y tel\u00e9fono que permite su uso gratuito y generalizado.<\/p>

Este avance en IA mejora la precisi\u00f3n en la predicci\u00f3n de riesgos en pacientes sometidos a angioplastia, y adem\u00e1s destaca la importancia de incorporar datos de pacientes en el desarrollo de estas herramientas emergentes. La posibilidad de integrar este sistema en registros de salud electr\u00f3nicos promete facilitar la toma de decisiones para los proveedores de atenci\u00f3n y mejorar la educaci\u00f3n de los pacientes sobre los riesgos asociados con la PCI.<\/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

MICHIGAN MEDICINE<\/b><\/p>

https:\/\/www.michiganmedicine.org\/health-lab\/ai-model-predicts-death-complications-patients-undergoing-angioplasty-stents<\/a><\/span><\/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 nuevo modelo de IA desarrollado por la Universidad de Michigan muestra alta precisi\u00f3n en la predicci\u00f3n de riesgos en procedimientos card\u00edacos. Un equipo de investigadores de Michigan Medicine ha desarrollado un algoritmo impulsado por inteligencia artificial (IA) que puede prever con precisi\u00f3n complicaciones y fallecimientos despu\u00e9s de una intervenci\u00f3n coronaria percut\u00e1nea (PCI, en ingl\u00e9s), un procedimiento utilizado para tratar arterias card\u00edacas bloqueadas. Un estudio publicado en European Heart Journal muestra los resultados de esta IA y destaca su utilidad para los profesionales de la salud al tomar decisiones sobre el tratamiento. El l\u00edder del estudio, David E. Hamilton, explic\u00f3 que: “Los riesgos para los pacientes sometidos a la intervenci\u00f3n coronaria percut\u00e1nea var\u00edan considerablemente seg\u00fan el paciente individual, y tanto los pacientes como los m\u00e9dicos hist\u00f3ricamente han subestimado y sobreestimado los da\u00f1os asociados con la PCI\u201d. De igual forma, el algoritmo desarrollado puede reconocer diversos resultados despu\u00e9s de la PCI y se presenta como una herramienta \u00fatil para la toma de decisiones compartida entre proveedores de atenci\u00f3n y pacientes. Seg\u00fan los autores del estudio, a diferencia de otras herramientas de estratificaci\u00f3n de riesgos, este modelo incorpor\u00f3 datos de pacientes, utilizando el registro Blue Cross Blue Shield of Michigan Cardiovascular Consortium (BMC2). Este conjunto de datos incluy\u00f3 m\u00e1s de 20 caracter\u00edsticas preoperatorias, como edad, presi\u00f3n arterial y colesterol total, para crear un modelo de predicci\u00f3n de riesgos mediante el software de aprendizaje autom\u00e1tico XGBoost. El modelo de IA mostr\u00f3 una alta precisi\u00f3n en la predicci\u00f3n de muertes, eventos de sangrado significativos y la necesidad de transfusiones sangu\u00edneas, superando a otros modelos que utilizaron las mismas caracter\u00edsticas preoperatorias. Por su parte, Hitinder Gurm, coautor del estudio, se\u00f1al\u00f3: \u201cCombinamos el modelo predictivo con la retroalimentaci\u00f3n de los pacientes del Consejo Asesor de Pacientes de PCI para transformar el aprendizaje autom\u00e1tico en esta herramienta de predicci\u00f3n de riesgos individualizada centrada en el paciente\u201d. La tecnolog\u00eda innovadora se ha integrado en una aplicaci\u00f3n para computadora y tel\u00e9fono que permite su uso gratuito y generalizado. Este avance en IA mejora la precisi\u00f3n en la predicci\u00f3n de riesgos en pacientes sometidos a angioplastia, y adem\u00e1s destaca la importancia de incorporar datos de pacientes en el desarrollo de estas herramientas emergentes. La posibilidad de integrar este sistema en registros de salud electr\u00f3nicos promete facilitar la toma de decisiones para los proveedores de atenci\u00f3n y mejorar la educaci\u00f3n de los pacientes sobre los riesgos asociados con la PCI. BIBLIOGRAF\u00cdA MICHIGAN MEDICINE https:\/\/www.michiganmedicine.org\/health-lab\/ai-model-predicts-death-complications-patients-undergoing-angioplasty-stents<\/p>","protected":false},"author":1,"featured_media":43735,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-43734","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\/43734","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=43734"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/43734\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/43735"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=43734"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=43734"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=43734"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}