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
Estudio sobre la predicción a través de Inteligencia Artificial de la supervivencia renal entre receptores de trasplante de riñón

The Lancet publicó el estudio: “Predicción dinámica de la supervivencia renal entre receptores de trasplante de riñón profundamente fenotipados utilizando inteligencia artificial: un estudio observacional, internacional, de múltiples cohortes”.

La insuficiencia del aloinjerto renal contribuye al número de personas que padecen de enfermedad renal en etapa terminal. Aproximadamente más de 7 millones en todo el mundo viven con esta condición, por ello es necesario un modelo de predicción para la supervivencia del aloinjerto renal adaptado a la práctica clínica, como el que presenta el estudio publicado en The Lancet.

El objetivo del estudio fue desarrollar un enfoque dinámico de inteligencia artificial para mejorar la estratificación del riesgo para los receptores de trasplantes de riñón. El método utilizado fue la generación de predicciones de supervivencia continuamente refinadas utilizando actualizaciones de datos clínicos.

Al tratarse de un estudio observacional, los investigadores utilizaron datos de receptores adulto de trasplantes de riñón en 18 centro académicos especializados en trasplantes en Europa, Estados Unidos y Sudamérica.  Además, se incluyó otra cohorte de pacientes de seis ensayos controlados aleatorios.

Las cuatro cohortes contenían un total de 13,608 receptores de riñón de 18 centros en siete países, correspondientes a 89,328 pacientes-año.

Los datos recolectados fueron los siguientes: variables clínicas, histológicas, inmunológicas y mediciones repetidas de la tasa de filtración glomerular estimada (eGFR) y proteinuria (medida usando la relación proteinuria / creatininuria). De esta forma fue posible desarrollar un sistema de predicción dinámica basado en evaluaciones clínicas y mediciones repetidas con un enfoque de Inteligencia Artificial.

“Debido a su diseño dinámico, este modelo se puede actualizar continuamente y tiene valor como una herramienta de cabecera que podría refinar los juicios pronósticos de los médicos en la práctica diaria, mejorando así la medicina de precisión en el entorno del trasplante”, explica el estudio.

Consulta los resultados y el estudio completo en el siguiente enlace: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(21)00209-0/fulltext

Contenidos Relacionados

Secured By miniOrange