{"id":47953,"date":"2024-07-26T10:45:25","date_gmt":"2024-07-26T16:45:25","guid":{"rendered":"https:\/\/saluddigital.com\/?p=47953"},"modified":"2025-10-18T00:58:26","modified_gmt":"2025-10-18T06:58:26","slug":"investigadores-desarrollan-nuevos-algoritmos-para-la-prediccion-del-riesgo-de-osteoporosis","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/investigadores-desarrollan-nuevos-algoritmos-para-la-prediccion-del-riesgo-de-osteoporosis\/","title":{"rendered":"Investigadores desarrollan nuevos algoritmos para la predicci\u00f3n del riesgo de osteoporosis"},"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 Tulane University realizan la evaluaci\u00f3n y comparaci\u00f3n de algoritmos de machine y deep learning para la predicci\u00f3n del riesgo de osteoporosis.<\/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

La osteoporosis, caracterizada por una baja densidad mineral \u00f3sea, es un problema de salud p\u00fablica cada vez m\u00e1s serio. Aunque se han propuesto varios modelos de regresi\u00f3n tradicionales y algoritmos de machine learning<\/em> para predecir el riesgo de osteoporosis, estos modelos han mostrado una precisi\u00f3n relativamente baja en la implementaci\u00f3n cl\u00ednica. En este estudio publicado en Frontiers in Artificial Intelligence<\/em><\/a>, investigadores de la Tulane University evaluaron si los enfoques de deep learning<\/em>, como las redes neuronales profundas (DNN, en ingl\u00e9s), pueden mejorar el rendimiento predictivo en la predicci\u00f3n del riesgo de osteoporosis.<\/p>

Para este estudio, se utilizaron datos de baja densidad mineral \u00f3sea de la cadera y datos demogr\u00e1ficos y cl\u00ednicos de rutina de 8,134 sujetos mayores de 40 a\u00f1os del Estudio de Osteoporosis de Luisiana (LOS). Se desarroll\u00f3 un marco novedoso de DNN para predecir el riesgo de osteoporosis y se compar\u00f3 su rendimiento con cuatro modelos convencionales de machine learning, que incluyen bosques aleatorios, redes neuronales artificiales, k-nearest neighbor (KNN) y m\u00e1quinas de vectores de soporte (SVM, en ingl\u00e9s) y con un modelo de regresi\u00f3n tradicional, herramienta de autoevaluaci\u00f3n de osteoporosis (OST, en ingl\u00e9s).<\/p>

El rendimiento del modelo se evalu\u00f3 mediante el \u00e1rea bajo la curva de caracter\u00edsticas operativas del receptor (AUC, en ingl\u00e9s) y la precisi\u00f3n. Los resultados mostraron que el enfoque DNN logr\u00f3 el mejor rendimiento predictivo (AUC\u2009=\u20090.848) en la clasificaci\u00f3n de sujetos con osteoporosis y sin osteoporosis. El an\u00e1lisis de importancia de caracter\u00edsticas revel\u00f3 que las diez variables m\u00e1s importantes identificadas por el modelo DNN fueron peso, edad, g\u00e9nero, fuerza de agarre, altura, consumo de cerveza, presi\u00f3n diast\u00f3lica, consumo de alcohol, a\u00f1os de tabaquismo y nivel econ\u00f3mico.<\/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

Adem\u00e1s, fue realizado un an\u00e1lisis de submuestreo para evaluar los efectos de variar el tama\u00f1o de la muestra y el n\u00famero de variables en el rendimiento predictivo de los modelos probados. Los autores tambi\u00e9n observaron que el modelo DNN mantuvo un alto rendimiento predictivo (AUC\u2009=\u20090.846) incluso utilizando solo las 10 variables m\u00e1s importantes. Tambi\u00e9n se mantuvo un rendimiento elevado (AUC\u2009=\u20090.826) cuando el tama\u00f1o de la muestra se redujo al 50% del conjunto de datos original.<\/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

\u201cCuanto antes se detecte el riesgo de osteoporosis, m\u00e1s tiempo tendr\u00e1 el paciente para tomar medidas preventivas\u201d, afirm\u00f3 el autor principal Chuan Qiu, profesor asistente de investigaci\u00f3n en el Centro de Inform\u00e1tica Biom\u00e9dica y Gen\u00f3mica de la Facultad de Medicina de Tulane. \u201cNos complace ver que nuestro modelo DNN supera a otros modelos en la predicci\u00f3n precisa del riesgo de osteoporosis en una poblaci\u00f3n que envejece, agreg\u00f3.<\/p>

De esta manera, los investigadores desarrollaron un modelo DNN novedoso que demostr\u00f3 ser un algoritmo efectivo para el diagn\u00f3stico temprano e intervenci\u00f3n de la osteoporosis en la poblaci\u00f3n envejecida. Este avance podr\u00eda mejorar significativamente la precisi\u00f3n en la predicci\u00f3n del riesgo de osteoporosis y mejorar las estrategias de prevenci\u00f3n y tratamiento de esta condici\u00f3n.<\/p>

\u201cNuestro objetivo final es permitir que las personas ingresen su informaci\u00f3n y reciban puntajes de riesgo de osteoporosis altamente precisos para permitirles buscar tratamiento para fortalecer sus huesos y reducir cualquier da\u00f1o adicional\u201d, concluy\u00f3 Qiu.<\/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

TULANE UNIVERSITY <\/strong><\/p>

https:\/\/news.tulane.edu\/pr\/can-ai-tell-you-if-you-have-osteoporosis-newly-developed-deep-learning-model-shows-promise<\/a><\/p>

FRONTIERS IN AI<\/strong><\/p>

https:\/\/www.frontiersin.org\/journals\/artificial-intelligence\/articles\/10.3389\/frai.2024.1355287\/full<\/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":"

Investigadores de Tulane University desarrollaron nuevos algoritmos para la predicci\u00f3n del riesgo de osteoporosis utilizando machine y deep learning.<\/p>","protected":false},"author":1,"featured_media":47954,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-47953","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\/47953","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=47953"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/47953\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/47954"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=47953"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=47953"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=47953"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}