{"id":44179,"date":"2024-03-01T10:02:23","date_gmt":"2024-03-01T16:02:23","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44179"},"modified":"2025-10-18T22:03:21","modified_gmt":"2025-10-19T04:03:21","slug":"ia-encuentra-signos-que-predicen-la-supervivencia-de-pacientes-con-demencia","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-encuentra-signos-que-predicen-la-supervivencia-de-pacientes-con-demencia\/","title":{"rendered":"IA encuentra signos que predicen la supervivencia de pacientes con demencia"},"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

Investigadores de Mount Sinai desarrollaron un modelo de machine learning capaz de identificar predictores claves de mortalidad en pacientes con demencia.<\/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 estudio titulado \u201cModelos de machine learning identifican caracter\u00edsticas predictivas de la mortalidad de los pacientes en todos los tipos de demencia\u201d, publicado en Communications Medicine<\/i><\/span><\/a> demostr\u00f3 la viabilidad de identificar a los pacientes con demencia en riesgo de mortalidad y descubrir los factores que impulsan este riesgo para brindarles un manejo cl\u00ednico personalizado.<\/p>

El estudio detall\u00f3 que, la atenci\u00f3n de una enfermedad como la demencia es un desaf\u00edo significativo debido a las trayectorias divergentes en la progresi\u00f3n y los resultados de la enfermedad. Para ello son necesarios modelos predictivos que detecten a pacientes en riesgo de mortalidad a corto plazo e identificar los factores que contribuyen a la mortalidad en diferentes tipos de demencia.<\/p>

\u201cNuestros hallazgos son significativos, ya que ilustran el potencial de los modelos de aprendizaje autom\u00e1tico para anticipar con precisi\u00f3n el riesgo de mortalidad en pacientes con demencia en diferentes plazos\u201d, explic\u00f3 uno de los autores, el Dr. Kuan-lin Huang, profesor asistente de gen\u00e9tica y ciencias gen\u00f3micas en Icahn Mount Sinai. \u201cAl se\u00f1alar un conjunto conciso de caracter\u00edsticas cl\u00ednicas, incluido el rendimiento en pruebas neuropsicol\u00f3gicas y otras pruebas disponibles, nuestros modelos facultan a los proveedores de atenci\u00f3n m\u00e9dica para tomar decisiones m\u00e1s informadas sobre la atenci\u00f3n del paciente, lo que potencialmente conduce a intervenciones m\u00e1s personalizadas y oportunas\u201d, agreg\u00f3.<\/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

Para ello, los autores desarrollaron un modelo de machine learning o aprendizaje autom\u00e1tico que predice la mortalidad de pacientes con demencia en cuatro umbrales de supervivencia diferentes. Para su entrenamiento utilizaron un conjunto de datos de 45,275 participantes \u00fanicos y 163,782 registros de visitas del Centro Nacional de Coordinaci\u00f3n de Alzheimer de Estados Unidos (NACC, en ingl\u00e9s).<\/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

A trav\u00e9s de este m\u00e9todo los investigadores construyeron modelos XGBoost multifactoriales utilizando un peque\u00f1o conjunto de predictores de mortalidad y realizaron un an\u00e1lisis estratificado con modelos espec\u00edficos de tipos de demencia. Estos modelos lograron predecir la mortalidad a uno, tres, cinco y diez a\u00f1os. El estudio desarroll\u00f3 modelos espec\u00edficos para ocho tipos de demencia mediante an\u00e1lisis estratificados.<\/p>

El estudio tambi\u00e9n mostr\u00f3 que los resultados de las pruebas neuropsicol\u00f3gicas predec\u00edan mejor el riesgo de mortalidad en pacientes con demencia que los factores relacionados con la edad, c\u00e1ncer o cardiopat\u00edas.\u00a0 <\/span>\u201cLas implicaciones de nuestra investigaci\u00f3n van m\u00e1s all\u00e1 de la pr\u00e1ctica cl\u00ednica, ya que subraya el valor del aprendizaje autom\u00e1tico para desentra\u00f1ar las complejidades de enfermedades como la demencia. Este estudio sienta las bases para futuras investigaciones sobre modelos predictivos en el tratamiento de la demencia\u201d, afirm\u00f3 el Dr. Huang.<\/p>

No obstante, tambi\u00e9n resalt\u00f3 que a pesar de que los modelos de machine learning son prometedores para mejorar la atenci\u00f3n de la demencia, es importante reconocer que esta clase de modelos no brindan todas las respuestas a los especialistas en la atenci\u00f3n personalizada.<\/p>

Tras los resultados positivos de este estudio, el equipo de Mount Sinai tiene como objetivo perfeccionar sus modelos para incorporar efectos del tratamiento, datos gen\u00e9ticos y la exploraci\u00f3n de t\u00e9cnicas m\u00e1s sofisticadas de machine learning para mejorar la precisi\u00f3n de las predicciones.<\/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

NATURE<\/b><\/p>

https:\/\/www.nature.com\/articles\/s43856-024-00437-7<\/a><\/span><\/p>

MOUNT SINAI<\/b><\/p>

https:\/\/www.mountsinai.org\/about\/newsroom\/2024\/ai-finds-key-signs-that-predict-patient-survival-across-dementia-types<\/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":"

Investigadores de Mount Sinai desarrollaron un modelo de machine learning capaz de identificar predictores claves de mortalidad en pacientes con demencia. Un estudio titulado \u201cModelos de machine learning identifican caracter\u00edsticas predictivas de la mortalidad de los pacientes en todos los tipos de demencia\u201d, publicado en Communications Medicine demostr\u00f3 la viabilidad de identificar a los pacientes con demencia en riesgo de mortalidad y descubrir los factores que impulsan este riesgo para brindarles un manejo cl\u00ednico personalizado. El estudio detall\u00f3 que, la atenci\u00f3n de una enfermedad como la demencia es un desaf\u00edo significativo debido a las trayectorias divergentes en la progresi\u00f3n y los resultados de la enfermedad. Para ello son necesarios modelos predictivos que detecten a pacientes en riesgo de mortalidad a corto plazo e identificar los factores que contribuyen a la mortalidad en diferentes tipos de demencia. \u201cNuestros hallazgos son significativos, ya que ilustran el potencial de los modelos de aprendizaje autom\u00e1tico para anticipar con precisi\u00f3n el riesgo de mortalidad en pacientes con demencia en diferentes plazos\u201d, explic\u00f3 uno de los autores, el Dr. Kuan-lin Huang, profesor asistente de gen\u00e9tica y ciencias gen\u00f3micas en Icahn Mount Sinai. \u201cAl se\u00f1alar un conjunto conciso de caracter\u00edsticas cl\u00ednicas, incluido el rendimiento en pruebas neuropsicol\u00f3gicas y otras pruebas disponibles, nuestros modelos facultan a los proveedores de atenci\u00f3n m\u00e9dica para tomar decisiones m\u00e1s informadas sobre la atenci\u00f3n del paciente, lo que potencialmente conduce a intervenciones m\u00e1s personalizadas y oportunas\u201d, agreg\u00f3. Para ello, los autores desarrollaron un modelo de machine learning o aprendizaje autom\u00e1tico que predice la mortalidad de pacientes con demencia en cuatro umbrales de supervivencia diferentes. Para su entrenamiento utilizaron un conjunto de datos de 45,275 participantes \u00fanicos y 163,782 registros de visitas del Centro Nacional de Coordinaci\u00f3n de Alzheimer de Estados Unidos (NACC, en ingl\u00e9s). A trav\u00e9s de este m\u00e9todo los investigadores construyeron modelos XGBoost multifactoriales utilizando un peque\u00f1o conjunto de predictores de mortalidad y realizaron un an\u00e1lisis estratificado con modelos espec\u00edficos de tipos de demencia. Estos modelos lograron predecir la mortalidad a uno, tres, cinco y diez a\u00f1os. El estudio desarroll\u00f3 modelos espec\u00edficos para ocho tipos de demencia mediante an\u00e1lisis estratificados. El estudio tambi\u00e9n mostr\u00f3 que los resultados de las pruebas neuropsicol\u00f3gicas predec\u00edan mejor el riesgo de mortalidad en pacientes con demencia que los factores relacionados con la edad, c\u00e1ncer o cardiopat\u00edas.\u00a0 \u201cLas implicaciones de nuestra investigaci\u00f3n van m\u00e1s all\u00e1 de la pr\u00e1ctica cl\u00ednica, ya que subraya el valor del aprendizaje autom\u00e1tico para desentra\u00f1ar las complejidades de enfermedades como la demencia. Este estudio sienta las bases para futuras investigaciones sobre modelos predictivos en el tratamiento de la demencia\u201d, afirm\u00f3 el Dr. Huang. No obstante, tambi\u00e9n resalt\u00f3 que a pesar de que los modelos de machine learning son prometedores para mejorar la atenci\u00f3n de la demencia, es importante reconocer que esta clase de modelos no brindan todas las respuestas a los especialistas en la atenci\u00f3n personalizada. Tras los resultados positivos de este estudio, el equipo de Mount Sinai tiene como objetivo perfeccionar sus modelos para incorporar efectos del tratamiento, datos gen\u00e9ticos y la exploraci\u00f3n de t\u00e9cnicas m\u00e1s sofisticadas de machine learning para mejorar la precisi\u00f3n de las predicciones. BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s43856-024-00437-7 MOUNT SINAI https:\/\/www.mountsinai.org\/about\/newsroom\/2024\/ai-finds-key-signs-that-predict-patient-survival-across-dementia-types<\/p>","protected":false},"author":1,"featured_media":44184,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44179","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\/44179","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=44179"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44179\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44184"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44179"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44179"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44179"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}