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
Inteligencia Artificial podría predecir enfermedades óseas en bebés

Investigadores en China probaron un modelo de Inteligencia Artificial para la predicción de enfermedades óseas metabólicas neonatales en los periodos prenatal y posnatal.

Un estudio realizado en China planteó la posibilidad de que una red neuronal artificial logre predecir el riesgo de enfermedad metabólica neonatal en los periodos prenatal y posnatal. La importancia de esta investigación recae en que el reconocimiento temprano de esta enfermedad es complicado ya que se necesitan herramientas adecuadas para evaluar a los bebes con riesgo de desarrollarla.

El objetivo de la investigación publicada en JAMA Network fue desarrollar un modelo predictivo para neonatos en riesgo de padecer enfermedad ósea metabólica en los periodos prenatal y posnatal, así como detectar los factores fundamentales expuestos en ambos periodos.

El estudio de diagnóstico recolectó información de 10,801 mujeres embarazadas y sus hijos.  Los datos corresponden al 1 de enero del 2012 hasta el 31 de diciembre de 2021 en Shanghái, China.

Posteriormente se utilizó un marco de red neuronal artificial para la construcción y desarrollo de cinco modelos predictivos con distintas exposiciones, desde el periodo prenatal hasta el posnatal. El rendimiento de cada modelo fue evaluado a través de la curva característica operativa. Asimismo, la importancia de cada característica fue examinada por y clasificada por los investigadores.

Los hallazgos encontrados en este estudio mostraron que los modelos que incluyeron factores prenatales y posnatales significativos y los factores posnatales solos tuvieron la mejor capacidad para predecir bebés en riesgo de padecer enfermedad ósea metabólica.

De las más de 10 mil mujeres que participaron en el estudio, 138 dieron nacimiento de un bebé con dicha condición. Entre los 5 modelos ANN, el modelo 1 factores prenatales y posnatales significativos mostró el área debajo de la curva (AUC) más alto de 0,981 y posteriormente el modelo 5 factores posnatales con AUC, 0,977.

Los autores explican que la red neuronal artificial “pareció ser una herramienta simple y eficiente para identificar a los recién nacidos en riesgo de enfermedad ósea metabólica prenatal”. Detallaron también que la “combinación de factores prenatales y posnatales o el uso exclusivo de exposiciones posnatales proporcionaron la predicción más precisa”.

De igual manera encontraron que el peso extremadamente bajo al nacer fue el factor predictivo más significativo, así como que el uso de sulfato de magnesio durante el embarazo podría ser un indicador importante para desarrollar esta enfermedad ósea antes del parto.

Últimos tweets

Eventos más importantes en Salud Digital

2023 febrero

Semana 1

lun 30
mar 31
mié 1
jue 2
vie 3
sáb 4
dom 5
lun 6
mar 7
mié 8
jue 9
vie 10
sáb 11
dom 12
lun 13
mar 14
mié 15
jue 16
vie 17
sáb 18
dom 19
lun 20
mar 21
mié 22
jue 23
vie 24
sáb 25
dom 26
lun 27
mar 28
mié 1
jue 2
vie 3
sáb 4
dom 5
  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

  • Sin Eventos

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
error: Este contenido esta protegido...