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
Científicos de la UNAM, UAM y Centro Médico ABC desarrollaron algoritmo que identifica pacientes prioritarios para recibir atención médica por COVID-19

Investigadores de la Universidad Nacional Autónoma de México (UNAM), Universidad Autónoma Metropolitana (UAM) y el Centro Médico ABC han desarrollado un algoritmo para identificar pacientes prioritarios para recibir atención médica debido a COVID-19.

Los investigadores Alfred Barry U’Ren Cortés y Roberto de J. León-Montiel, del Instituto de Ciencias Nucleares de la UNAM; Mario Alan Quiroz Juárez de la UAM; y Armando Torres Gómez e Irma Hoyo Ulloa del Centro Médico ABC, desarrollaron un algoritmo para apoyar a los profesionales de la salud a identificar a pacientes que requieran atención prioritaria por COVID-19. 

El algoritmo fue probado a través de una investigación publicada en la revista científica PLOS One. La investigación mostró hasta un 93.5% de eficiencia. U’Ren Cortés, explicó y sus colegas y él vieron en el aprendizaje automático/machine learning una oportunidad para agilizar el trabajo de los médicos durante la pandemia, para accionar más rápido a las atenciones que requiere cada paciente y salvar vidas.

Además, el algoritmo fue entrenado a partir de datos de los Anuarios Estadísticos de Morbilidad, publicados por la Dirección General de Epidemiología de la Secretaría de Salud y reunió información de más de 4.7 millones de pacientes que ingresaron al hospital entre marzo de 2021.

“Cuando uno utiliza machine learning un ingrediente básico es tener datos de buena calidad y en suficiente volumen. Hay una fase de aprendizaje en la que uno provee conjuntos de características con un resultado asociado, en este caso, si el paciente sobrevivió o falleció. La información ingresa al algoritmo con los datos conocidos en lo que se llama entrenamiento y, después de eso, para un paciente nuevo reconoce los patrones de los casos anteriores y se puede producir una predicción instantánea”, explicó U’Ren Cortés.

Esta herramienta de machine learning contempla información del historial médico del paciente, así como enfermedades como diabetes, enfermedad pulmonar obstructiva crónica (COPD), hipertensión, problemas cardiovasculares, falla renal crónica, obesidad, o si el paciente utiliza inmunosupresores. Además, también considera datos como el sexo, el lugar de nacimiento, lugar de residencia y edad.

En total son 21 características que ayudan a una clasificación de los pacientes en dos categorías: mayor posibilidad de recuperarse y mayor posibilidad de fallecer. Estas variables se entrenan a través de la red neuronal para cada una de las cuatro etapas clínicas: la primera etapa considera las enfermedades antes especificadas, así como la edad y otra información básica; la segunda etapa corresponde a el estatus COVID-19, es decir positivo o negativo y a neumonía relacionada con COVID-19; la etapa tres corresponde al estado de hospitalización; y la cuarta etapa a cuidados intensivos y a intubación.

“Es una red neuronal compuesta por nodos interconectados y, cuando hacemos pasar datos, estos nodos aprenden. Se dice que aprenden, pero en realidad ajustan sus parámetros de manera que la información que reciben se herede en ellos. Una vez que ha pasado la etapa que llamamos entrenamiento, ella pueda hacer predicciones en el futuro a partir de lo que aprendió”, explico Quiroz Juárez.

Actualmente se busca que el algoritmo se aplique en dispositivos móviles de hospitales e incorporar datos en tiempo real.  Por otra parte, el estudio contó con apoyo económico por parte del Consejo Nacional de Ciencia y Tecnología (Conacyt).

Noticias destacadas

Noticias por país

Contenidos Relacionados

Secured By miniOrange