Filtrar por tipo de entrada
Seleccionar todo
Noticias
Páginas
Eventos
Filtrar por categorías
Seleccionar todo
AI ANALITICA
Apps móviles e Internet de las Cosas
Avance de la ciencia
Big data
Comunidades conectadas
Coronavirus
Cursos y capacitaciones
DIAGNOSTICO
Editorial inicial
Editoriales
El mundo en la nube
Eventos
Infografías
Inteligencia Artificial y Ciencia
IoTApps
Noticias
Plataformas digitales
Redes sociales
Reseña de publicaciones científicas
Resumen de Cursos
Sinopsis de ensayo
Sinopsis de Marcos de Referencia
Sinopsis de publicaciones recientes
Uso de Plataformas Digitales
Modelo de aprendizaje automático apoya en la predicción de resultados de pruebas de laboratorio

El modelo de aprendizaje automático, fue entrenado a través de datos de dispositivos portátiles como relojes inteligentes o wearables. Fue diseñado para lograr predicciones de pruebas de laboratorio.

Estudio publicado en Nature titulado “Sensores portátiles permiten predicciones personalizadas de las mediciones de laboratorio clínico”. Es un estudio que explica la importancia de la medición y recolección datos de signos vitales, como la frecuencia cardiaca y la temperatura corporal. De esta forma es posible controlar y detectar afecciones clínicas. 

“Examinamos si los signos vitales medidos por los dispositivos portátiles de los consumidores (es decir, la frecuencia cardíaca, la temperatura corporal, la actividad electrotérmica y el movimiento controlados continuamente) pueden predecir los resultados de las pruebas de laboratorio clínico utilizando modelos de aprendizaje automático”, explica el estudio.

Los resultados del estudio mostraron que los datos de signos vitales a través de wearables, brindan una descripción más precisa de la frecuencia cardiaca en reposo que las mediciones que se realizan en una clínica. Además, los datos recopilados, pueden ser utilizados para predecir diversas mediciones de signos vitales que se obtuvieron en clínica.

“El período de tiempo durante el cual se monitorean los signos vitales y la proximidad del período de monitoreo a la fecha de predicción juegan un papel fundamental en el rendimiento de los modelos de aprendizaje automático”, explica el estudio.

Los resultados mostraron que los dispositivos inteligentes portátiles comerciales, pueden utilizarse realmente para la evaluación continua y longitudinal de medidas fisiológicas que normalmente solo se podrían medir con pruebas de laboratorio.

Noticias destacadas

Noticias por país

Contenidos Relacionados

Secured By miniOrange