{"id":44937,"date":"2024-05-09T10:01:33","date_gmt":"2024-05-09T16:01:33","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44937"},"modified":"2025-10-18T21:42:24","modified_gmt":"2025-10-19T03:42:24","slug":"machine-learning-identifica-enfermedades-no-diagnosticadas-por-medio-de-registros-medicos-electronicos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/machine-learning-identifica-enfermedades-no-diagnosticadas-por-medio-de-registros-medicos-electronicos\/","title":{"rendered":"Machine learning identifica enfermedades no diagnosticadas por medio de registros m\u00e9dicos electr\u00f3nicos\u00a0"},"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 UCLA, desarrollaron una herramienta de machine learning para identificar trastornos inmunol\u00f3gicos raros y no diagnosticados a trav\u00e9s 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

Investigadores de la Universidad de California en Los \u00c1ngeles (UCLA) han desarrollado una herramienta de machine learning que puede identificar a muchos pacientes con enfermedades raras y no diagnosticadas a\u00f1os antes de su aparici\u00f3n por medio de informaci\u00f3n contenida en registros m\u00e9dicos electr\u00f3nicos. En este sentido, esta herramienta de machine learning identifica trastornos inmunes raros y no diagnosticados de manera temprana, por lo cual tiene el potencial de mejorar los resultados de salud en los pacientes y reducir costos en la atenci\u00f3n.<\/p>

La herramienta, denominada \u201cPheNet\u201d, utiliza inteligencia artificial (IA) para aprender patrones fenot\u00edpicos de pacientes con trastornos inmunes raros y utiliza este conocimiento para clasificar a los pacientes seg\u00fan la probabilidad de tener un trastorno.<\/p>

Los trastornos en el estudio se centraron en el grupo denominado inmunodeficiencia variable com\u00fan (CVID, en ingl\u00e9s), que generalmente escapa del diagn\u00f3stico durante a\u00f1os o d\u00e9cadas despu\u00e9s del inicio de los s\u00edntomas debido a su rareza y a la variabilidad de los s\u00edntomas, que pueden confundirse con los de otros trastornos m\u00e1s comunes.<\/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

\u201cLa presentaci\u00f3n cl\u00ednica de fenotipos inmunes raros como la CVID se cruza con muchas especialidades m\u00e9dicas. Los pacientes pueden ser atendidos en cl\u00ednicas de o\u00eddo, nariz y garganta por infecciones de los senos nasales. Pueden ser tratados en cl\u00ednicas de neumolog\u00eda por neumon\u00edas. Esta fragmentaci\u00f3n de la atenci\u00f3n entre m\u00faltiples especialistas provoca grandes retrasos en el diagn\u00f3stico y el tratamiento\u201d, explic\u00f3 el Dr. Butte. Asimismo, detall\u00f3 que es imposible ense\u00f1ar esta informaci\u00f3n a especialistas sobre las deficiencias inmunitarias, por lo que se debe desarrollar un mejor modo de encontrar a estos 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

En este sentido, los investigadores dirigidos por el Dr. Manish Butte y el Dr. Bogdan Pasaniuc, desarrollaron PheNet para clasificar a los pacientes seg\u00fan la probabilidad de tener CVID, lo que permite una identificaci\u00f3n temprana y un tratamiento m\u00e1s efectivo. Esta herramienta fue validada con m\u00e1s de millones de registros de pacientes de sistemas m\u00e9dicos en California y Tennessee.<\/p>

\u201cDemostramos que los algoritmos de IA como PheNet pueden ofrecer beneficios cl\u00ednicos al acelerar el diagn\u00f3stico de CVID, y esperamos que esto tambi\u00e9n se aplique a otras enfermedades raras”, explic\u00f3 el Dr. Pasaniuc.\u00a0 <\/span>Adem\u00e1s, resalt\u00f3 los logros que han alcanzado con la adopci\u00f3n de PheNet: \u201cNuestra implementaci\u00f3n en los cinco centros m\u00e9dicos de la Universidad de California ya est\u00e1 teniendo un impacto. Ahora estamos mejorando la precisi\u00f3n de nuestro enfoque para identificar mejor la CVID mientras nos expandimos a otras enfermedades. Tambi\u00e9n planearemos ense\u00f1ar al sistema a leer notas m\u00e9dicas para obtener a\u00fan m\u00e1s informaci\u00f3n sobre los pacientes y sus enfermedades\u201d.<\/p>

Finalmente, la autora principal del study<\/span><\/a> published in Science Translational Medicine<\/i>, la Dra. Ruth Johnson explic\u00f3 que por cada a\u00f1o que se retrasa un diagn\u00f3stico, se registran aumentos en infecciones, uso de antibi\u00f3ticos, visitas a salas de emergencias, hospitalizaciones y d\u00edas perdidos de trabajo y escuela. Por lo que esta herramienta adem\u00e1s de buscar mejores resultados para los pacientes tambi\u00e9n mejora aspectos como reducir costos financieros y evitar da\u00f1os emocionales a los familiares.<\/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

UCLA HEALTH<\/b><\/p>

https:\/\/www.uclahealth.org\/news\/release\/machine-learning-tool-identifies-rare-undiagnosed-immune<\/a><\/span><\/p>

SCIENCE<\/b><\/p>

https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.ade4510<\/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 UCLA, desarrollaron una herramienta de machine learning para identificar trastornos inmunol\u00f3gicos raros y no diagnosticados a trav\u00e9s de registros m\u00e9dicos electr\u00f3nicos. Investigadores de la Universidad de California en Los \u00c1ngeles (UCLA) han desarrollado una herramienta de machine learning que puede identificar a muchos pacientes con enfermedades raras y no diagnosticadas a\u00f1os antes de su aparici\u00f3n por medio de informaci\u00f3n contenida en registros m\u00e9dicos electr\u00f3nicos. En este sentido, esta herramienta de machine learning identifica trastornos inmunes raros y no diagnosticados de manera temprana, por lo cual tiene el potencial de mejorar los resultados de salud en los pacientes y reducir costos en la atenci\u00f3n. La herramienta, denominada \u201cPheNet\u201d, utiliza inteligencia artificial (IA) para aprender patrones fenot\u00edpicos de pacientes con trastornos inmunes raros y utiliza este conocimiento para clasificar a los pacientes seg\u00fan la probabilidad de tener un trastorno. Los trastornos en el estudio se centraron en el grupo denominado inmunodeficiencia variable com\u00fan (CVID, en ingl\u00e9s), que generalmente escapa del diagn\u00f3stico durante a\u00f1os o d\u00e9cadas despu\u00e9s del inicio de los s\u00edntomas debido a su rareza y a la variabilidad de los s\u00edntomas, que pueden confundirse con los de otros trastornos m\u00e1s comunes. \u201cLa presentaci\u00f3n cl\u00ednica de fenotipos inmunes raros como la CVID se cruza con muchas especialidades m\u00e9dicas. Los pacientes pueden ser atendidos en cl\u00ednicas de o\u00eddo, nariz y garganta por infecciones de los senos nasales. Pueden ser tratados en cl\u00ednicas de neumolog\u00eda por neumon\u00edas. Esta fragmentaci\u00f3n de la atenci\u00f3n entre m\u00faltiples especialistas provoca grandes retrasos en el diagn\u00f3stico y el tratamiento\u201d, explic\u00f3 el Dr. Butte. Asimismo, detall\u00f3 que es imposible ense\u00f1ar esta informaci\u00f3n a especialistas sobre las deficiencias inmunitarias, por lo que se debe desarrollar un mejor modo de encontrar a estos pacientes. En este sentido, los investigadores dirigidos por el Dr. Manish Butte y el Dr. Bogdan Pasaniuc, desarrollaron PheNet para clasificar a los pacientes seg\u00fan la probabilidad de tener CVID, lo que permite una identificaci\u00f3n temprana y un tratamiento m\u00e1s efectivo. Esta herramienta fue validada con m\u00e1s de millones de registros de pacientes de sistemas m\u00e9dicos en California y Tennessee. \u201cDemostramos que los algoritmos de IA como PheNet pueden ofrecer beneficios cl\u00ednicos al acelerar el diagn\u00f3stico de CVID, y esperamos que esto tambi\u00e9n se aplique a otras enfermedades raras”, explic\u00f3 el Dr. Pasaniuc.\u00a0 Adem\u00e1s, resalt\u00f3 los logros que han alcanzado con la adopci\u00f3n de PheNet: \u201cNuestra implementaci\u00f3n en los cinco centros m\u00e9dicos de la Universidad de California ya est\u00e1 teniendo un impacto. Ahora estamos mejorando la precisi\u00f3n de nuestro enfoque para identificar mejor la CVID mientras nos expandimos a otras enfermedades. Tambi\u00e9n planearemos ense\u00f1ar al sistema a leer notas m\u00e9dicas para obtener a\u00fan m\u00e1s informaci\u00f3n sobre los pacientes y sus enfermedades\u201d. Finalmente, la autora principal del estudio publicado en Science Translational Medicine, la Dra. Ruth Johnson explic\u00f3 que por cada a\u00f1o que se retrasa un diagn\u00f3stico, se registran aumentos en infecciones, uso de antibi\u00f3ticos, visitas a salas de emergencias, hospitalizaciones y d\u00edas perdidos de trabajo y escuela. Por lo que esta herramienta adem\u00e1s de buscar mejores resultados para los pacientes tambi\u00e9n mejora aspectos como reducir costos financieros y evitar da\u00f1os emocionales a los familiares. BIBLIOGRAF\u00cdA UCLA HEALTH https:\/\/www.uclahealth.org\/news\/release\/machine-learning-tool-identifies-rare-undiagnosed-immune SCIENCE https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.ade4510<\/p>","protected":false},"author":1,"featured_media":44939,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44937","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\/44937","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=44937"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44937\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44939"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44937"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44937"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44937"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}