Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El nuevo sistema de apoyo AI-basado de la decisión puede ayudar a prevenir anemia en pacientes de hemodialisis

La anemia, una condición caracterizada por la falta de glóbulos rojos sanos en la carrocería, es común en los pacientes con enfermedad de riñón crónica que necesitan experimentar la hemodialisis rutinaria (un proceso que ayuda “a limpiar” la sangre cuando no funcionan los riñones bien). Así, los agentes célula-estimulantes de la sangre roja (llamados los “agentes eritropoyesis-estimulantes” o ESAs) y los suplementos del hierro (ISs) se administran como parte de este proceso. Pero, las complicaciones pueden presentarse si los pacientes tienen un metabolismo de hierro alterado o una reacción pobre a las medicaciones.

Por otra parte, las medicaciones tienden a ser costosas y a imponer una carga financiera pesada ante salud pública. Así, con tales pacientes actualmente en la subida pero no suficiente médicos entrenados convenientemente para administrar el tratamiento, los sistemas de apoyo adicionales con capacidades de toma de decisión elegantes son altamente solicitados. Una opción es girar a la inteligencia artificial (AI), que parece prometedora solamente a las demandas un grupo de datos grande y no es práctica debido a condiciones de salud diversas de pacientes.

¿Así pues, se puede algo hacer para perfeccionar la situación? En un estudio reciente publicado en el gorrón internacional de ciencias médicas, los investigadores médicos de Japón intentaron encontrar la respuesta. Subieron con una nueva aproximación: en vez de hacer el AI aprenda de la fisiología compleja de la carrocería del paciente, ellos optan por un modelo de la predicción basado en las decisiones de médicos experimentados.

Conseguimos la idea mientras que comtemplaban el proceso del pensamiento de médicos sazonados. Con todo no calculan valores detallados de reacciones vitales en la carrocería de un paciente cuando las dosificaciones que deciden, que significa los modelos de la predicción basados en la bioquímica no son necesarias.”

Toshiaki Ohara, científico del guía, profesor adjunto, universidad de Okayama

Los investigadores comenzaron cerco datos clínicos en dos hospitales en Japón y después preparando dos grupos de datos para cada hospital: uno para entrenar a su modelo y el otro para probar y validar sus predicciones. Simultáneamente, registraron las direcciones de la dosificación de médicos en ambos hospitales y de reacciones consideradas para las dos medicaciones usadas durante hemodialisis: ESAs e ISs.

De acuerdo con éstos, construyeron un modelo AI-basado llamado “un sistema de mando artificial-inteligencia-soportado de la anemia” (AISACS), que recibió un total de cinco entradas (cuatro items de examen de la sangre y de historia de la dosificación) y agitó fuera las probabilidades de la dirección de la dosificación para las dos medicaciones como rendimientos. Además, para hacer el proceso del entrenamiento más eficiente, compensaron el retraso de tiempo entre el examen de la sangre y las decisiones de la dosificación usando la “rectificación de los datos” para igualar las fechas de la decisión con las fechas del examen.

Al placer de los investigadores, AISACS mostró una alta exactitud de la predicción con índices correctos de la clasificación (direcciones que igualan los de médicos) de 72%-87%. Pero cuál era aún más interesante era que ofreció “clínico se apropia” de clasificaciones incluso a regímenes más altos (92%-97%). Éstas eran las direcciones que no igualaron los de médicos (y fueron ofrecidos a veces delante de ellos) pero todavía eran consideradas apropiado de un punto de vista médico.

Con estos resultados, los investigadores están esperanzados sobre las perspectivas futuras de AISAC. “Previniendo anemia, nuestro sistema puede ayudar a aliviar las cargas en médicos y sistemas del seguro médico. Por otra parte, tiene el potencial de compartir el conocimiento y las experiencias relacionadas con las medicaciones,” comentan un Dr. emocionado Ohara.

Esperanzadamente, esta nueva aproximación AI-basada ofrece una cierta esperanza a los pacientes que experimentan hemodialisis y a los médicos que los tratan.

Source:
Journal reference:

Ohara, T., et al. (2021) Artificial intelligence supported anemia control system (AISACS) to prevent anemia in maintenance hemodialysis patients. International Journal of Medical Sciences. doi.org/10.7150/ijms.53298.