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
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
Detección de COVID-19 a través de wearables y aprendizaje automático

Artículo de investigación publicado en Nature, muestra avances sobre la detección pasiva de COVID-19 mediante el uso de wearables, y algoritmos de aprendizaje automático.

El monitoreo constante es de critica importancia para la identificación y rastreo de casos de COVID-19, de esta forma se puede lograr un aislamiento y evitar la propagación de la infección, así como brindar una buena atención desde el comienzo de los síntomas.

Aunque las pruebas PCR o de antígenos son efectivas para la detección de casos, existen grandes desafíos para su accesibilidad. El estudio publicado en npj Digital Medicine de Nature, muestra que el autoinforme de síntomas combinado con un algoritmo de aprendizaje automático puede predecir una prueba positiva de COVID-19.

Este monitoreo constante es posible a través del uso de wearables comerciales que miden datos biométricos como la frecuencia cardíaca en reposo, el sueño o la actividad, que han demostrado ser efectivos en la detección de COVID-19.  En este sentido el estudio propuso un modelo basado en árboles de decisión para la detección de COVID-19 que puede adaptarse a la ausencia de síntomas autoinformados y a los datos de los sensores disponibles.

Otros estudios han diseñado algoritmos específicos para dispositivos determinados, sin embargo, el desarrollado en esta investigación es independiente al modelo del wearable. “Con el fin de proporcionar las alertas tempranas más precisas para COVID-19 a todos los participantes para una amplia variedad de dispositivos portátiles, propusimos y validamos un algoritmo de aprendizaje automático que ingiere todos los datos de sensores disponibles para la detección de la infección por COVID-19”, explica el estudio.

El estudio contó con la participación de 38,911 personas (61% mujeres), entre el 25 de marzo de 2020 y el 3 de abril de 2021, de las cuales 1,118 fueron positivas a COVID-10 y 7,032 negativas, a través de una prueba PCR.

Los autores concluyeron que su modelo de aprendizaje automático “puede discriminar entre las personas que dieron positivo o negativo a COVID-19 en función de múltiples tipos de datos recopilados por dispositivos portátiles, información demográfica y síntomas autoinformados cuando estén disponibles”.

Puedes consultar el artículo completo en el siguiente enlace: https://www.nature.com/articles/s41746-021-00533-1

Noticias destacadas

Noticias por país

Comparte el contenido

Salud Digital en el mundo

  • — Science Brief: Omicron (B.1.1.529) Variant/ actualizaciones CDC
    Ver más
  • — Coronavirus resource center / Johns Hopkins
    Ver más
  • — Rastreo epidemiológico de contactos COVID-19 / Curso Johns Hopkins
    Ver más
  • — Comportamiento infección SARS-CoV-2 / Calculadora FCS
    Ver más
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Artículo The Lancet
    Ver más
  • — Genomic Epidemiology Tracker / GISAID
    Ver más
  • — Consorcio Mexicano de Vigilancia Genómica
    Ver más
Secured By miniOrange