Resultados de búsqueda para: HSI

Científicos de Harvard desarrollaron CHIEF, un modelo de IA capaz de diagnosticar múltiples tipos de cáncer y otras tareas diagnósticas.

Nueva investigación sugiere que los cálculos de riesgo de suicidio podrían ayudar en el cuidado de nuevos pacientes. Un nuevo estudio publicado en JAMA Psychiatry, detalla cómo un modelo de machine learning entrenado con registros médicos es capaz de realizar cálculos sobre el riesgo de suicidio en pacientes psiquiátricos de nuevo ingreso. La investigación se centró en pacientes que buscan tratamiento por primera vez, y el modelo demostró ser preciso incluso cuando los registros clínicos de salud mental son limitados. Por su parte, la Dra. Honor Hsin, coautora del estudio, enfatizó la importancia de identificar el riesgo de suicidio temprano en el tratamiento, ya que muchos pacientes interrumpen la atención después de una o dos visitas. El modelo, desarrollado y validado por la Red de Investigación en Salud Mental de Kaiser Permanente, proporciona información adicional para los clínicos en su evaluación y planificación del tratamiento. La Dra. Hsin, también destacó que el modelo debe aplicarse de manera temprana para poder ofrecer información útil sobre los pacientes y así mejorar sus tratamientos. El análisis se realizó en más de 1.6 millones de citas de evaluación de salud mental entre 2012 y 2022, con resultados que demostraron la eficacia del modelo en la identificación de pacientes en mayor riesgo de intentos de suicidio en los siguientes 90 días. Asimismo, el Dr. Santiago Papini, coautor del estudio, subrayó el papel del modelo como una herramienta complementaria para los médicos, no como un reemplazo de su juicio clínico ni de su experiencia. De igual forma el Dr. Papini, explicó que el modelo resume la sabiduría y de los médicos que han interactuados con cada paciente en el pasado y ofrece un punto de vista basado en los datos registrados para que el nuevo médico informe sobre su juicio clínico.  Además, destacó el potencial de la inteligencia artificial en la prevención del suicidio, señalando que el modelo se basa en el machine learning para mejorar la precisión predictiva. La Dra. Esti Iturralde, por su parte, explicó que el modelo ya ha sido validado y las nuevas investigaciones se van a centrar en lo que puedan realizar con dicha herramienta. La Dra. Iturralde explicó que este modelo es de suma importancia, especialmente para personas que no suelen compartir información acerca de pensamientos suicidas con sus nuevos médicos. “El beneficio de un modelo como este es que extrae información pasada sobre un paciente, como medicamentos o diagnósticos anteriores”. Previamente, fue desarrollado un modelo original utilizando datos de 10 millones de visitas ambulatorias de salud mental y 300 tipos predictivos de datos de pacientes. El machine learning permitió el análisis de grandes cantidades de datos, y el aprendizaje de patrones complejos que mejoraron la precisión del modelo. A medida que continúa la investigación, se explorarán formas de incorporar el modelo a la práctica clínica real y de beneficiar a los pacientes en entornos clínicos reales. BIBLIOGRAFÍA KAISER PERMANENTE https://divisionofresearch.kaiserpermanente.org/medical-records-ai-spotting-suicide-risk/ JAMA NETWORK https://jamanetwork.com/journals/jamapsychiatry/fullarticle/2816805

La identificación molecular durante la operación proporciona información crítica para la toma de decisiones quirúrgicas y de tratamiento, lo que permite la elaboración de perfiles genómicos en cirugía de tumores cerebrales agresivos. Investigadores de la Escuela de Medicina de Harvard han desarrollado una herramienta de inteligencia artificial (IA) llamada CHARM (Cryosection Histopathology Assessment and Review Machine) que permite decodificar rápidamente el ADN de un tumor cerebral durante la cirugía. Esta herramienta proporciona información molecular en tiempo real, lo que ayuda a los neurocirujanos a tomar decisiones quirúrgicas más precisas y a determinar el tratamiento adecuado. Además, el conocimiento del perfil genómico de un tumor durante la cirugía puede permitir la colocación de medicamentos directamente en el cerebro del paciente. En este sentido, la herramienta de IA CHARM permite perfilar los tumores genómicos durante la cirugía de gliomas, los tumores cerebrales más agresivos y comunes. Proporciona información crítica sobre la agresividad del cáncer, su comportamiento futuro y su respuesta probable al tratamiento. Durante la cirugía, CHARM ofrece orientación en tiempo real a los cirujanos, ayudándoles a determinar el enfoque quirúrgico óptimo para extirpar el tejido canceroso. Según el autor principal del estudio, el Dr. Kun-Hsing Yu, esta herramienta supera el desafío actual de no poder perfilar los tumores molecularmente durante la cirugía. La extracción de señales biomédicas no utilizadas anteriormente de portaobjetos de patología congelados permite obtener información molecular intraoperatoria. “En este momento, incluso la práctica clínica más avanzada no puede perfilar los tumores molecularmente durante la cirugía. Nuestra herramienta supera este desafío al extraer señales biomédicas hasta ahora sin explotar de portaobjetos de patología congelados”, detalló. Poder conocer la identidad molecular de un tumor durante la cirugía es crucial para que los neurocirujanos tomen decisiones informadas, por ejemplo, sobre la cantidad de tejido cerebral que se debe extirpar y si se deben colocar medicamentos directamente en el cerebro. Además, la información molecular proporcionada por CHARM también es valiosa para el desarrollo de la oncología de precisión en tiempo real. Para su entrenamiento y prueba, CHARM analizó muestras de tumores cerebrales, especialmente gliomas. Los resultados demostraron una alta precisión en la detección de mutaciones moleculares específicas y en la clasificación de los tipos principales de gliomas. Además, también logró la captura de características visuales reveladoras en las muestras de tejido que indican la agresividad del tumor. Esta herramienta de IA brinda nuevas posibilidades para acelerar el diagnóstico molecular y mejorar las decisiones quirúrgicas y de tratamiento en el cáncer cerebral. Sin embargo, aún se necesitan validaciones clínicas y aprobaciones reguladoras antes de su implementación en hospitales de manera generalizada. Al igual que cualquier modelo o solución basada en IA serán necesarias diversas pruebas para que CHARM pueda ser aplicada en entornos clínicos. Puedes consultar el estudio completo en el siguiente enlace: https://www.cell.com/med/fulltext/S2666-6340(23)00189-7 BIBLIOGRAFÍA HARVARD MEDICAL SCHOOL https://hms.harvard.edu/news/ai-tool-decodes-brain-cancers-genome-during-surgery

El Ministerio de Salud de la Nación realizó un encuentro con representantes de todas las jurisdicciones del país para exponer los avances en transformación digital del sistema sanitario. El Ministerio de Salud de la Nación participó en el Encuentro Nacional de Estadísticas en Salud, en la que también estuvieron presentes representantes de la Organización Panamericana de la Salud (OPS). El objetivo de este evento fue dar seguimiento al proceso de transformación digital en los sistemas estadísticos sanitarios, por ejemplo en la implementación de la Clasificación Internacional de Enfermedades más reciente, la CIE-11, que facilita el procesamiento de datos de mortalidad. La CIE permite que los profesionales de la salud compartan e intercambien información estandarizada sobre enfermedades, además facilita la identificación de tendencias y estadísticas. A diferencia de las versiones anteriores la CIE-11 es digital en su totalidad, cuenta con una interfaz más amigable y cuenta con capacidades en diversos lenguajes para reducir la posibilidad de errores. Su actualización y compilación se realizó gracias a la colaboración de más de 90 países. “Es muy importante poder mejorar la calidad de los datos de las defunciones, como también acompañar el proceso de implementación de la CIE-11 en todo el país”, resaltó la directora Nacional de Epidemiologia e Información Estratégica, Analía Rearte. Por su parte, la representante de la OPS en Argentina, Eva Jané Llopis, destacó que la implementación de la CIE-11 requiere de trabajo coordinado con todos los niveles subnacionales. El proyecto de colaboración con la OPS ha concluyó luego de este encuentro y se definieron las próximas acciones para continuar con el avance. Finalmente, la Dirección Nacional de Sistemas de Información Sanitaria y representantes de las 24 jurisdicciones sanitarias del país, compartieron los avances del certificado digital de defunción y de los módulos estadísticos de la Historia de Salud Integrada (HSI). BIBLIOGRAFÍA ARGENTINA https://www.argentina.gob.ar/noticias/salud-avanza-en-la-digitalizacion-de-los-sistemas-de-informacion-sanitaria