11.4 C
Bruselas
Jueves 28 de marzo de 2024
NoticiasLa IA utiliza datos meteorológicos y de tiempo para predecir con precisión el riesgo de paro cardíaco

La IA utiliza datos meteorológicos y de tiempo para predecir con precisión el riesgo de paro cardíaco

EXENCIÓN DE RESPONSABILIDAD: Las informaciones y opiniones reproducidas en los artículos son propias de quienes las expresan y es de su exclusiva responsabilidad. Publicación en The European Times no significa automáticamente la aprobación de la opinión, sino el derecho a expresarla.

DESCARGO DE RESPONSABILIDAD TRADUCCIONES: Todos los artículos de este sitio se publican en inglés. Las versiones traducidas se realizan a través de un proceso automatizado conocido como traducción neuronal. En caso de duda, consulte siempre el artículo original. Gracias por entender.

AI Uses Timing and Weather Data to Accurately Predict Cardiac Arrest Risk

El modelo de aprendizaje automático combina datos meteorológicos y de tiempo.

Una rama de la inteligencia artificial (IA), llamada aprendizaje automático, puede predecir con precisión el riesgo de un paro cardíaco fuera del hospital, cuando el corazón deja de latir repentinamente, utilizando una combinación de tiempo y datos meteorológicos, según una investigación publicada en línea en la revista. Corazón.

El aprendizaje automático es el estudio de algoritmos informáticos y se basa en la idea de que los sistemas pueden aprender de los datos e identificar patrones para informar decisiones con una intervención mínima.

El riesgo de un paro cardíaco era más alto los domingos, lunes, días festivos y cuando las temperaturas bajaban bruscamente dentro o entre días, muestran los hallazgos.

Esta información podría usarse como un sistema de alerta temprana para los ciudadanos, para reducir su riesgo y mejorar sus posibilidades de supervivencia, y para mejorar la preparación de los servicios médicos de emergencia, sugieren los investigadores.

El paro cardíaco extrahospitalario es común en todo el mundo, pero generalmente se asocia con bajas tasas de supervivencia. El riesgo se ve afectado por las condiciones climáticas predominantes.

Pero los datos meteorológicos son extensos y complejos, y el aprendizaje automático tiene el potencial de captar asociaciones no identificadas por los enfoques estadísticos unidimensionales convencionales, dicen los investigadores japoneses.

Para explorar esto más a fondo, evaluaron la capacidad del aprendizaje automático para predecir un paro cardíaco diario fuera del hospital, utilizando el tiempo diario (temperatura, humedad relativa, lluvia, nevadas, nubosidad, velocidad del viento y lecturas de presión atmosférica) y el tiempo ( año, temporada, día de la semana, hora del día y festivos).

De 1,299,784 casos que ocurrieron entre 2005 y 2013, el aprendizaje automático se aplicó a 525,374, utilizando datos meteorológicos o de tiempo, o ambos (conjunto de datos de entrenamiento).

Luego, los resultados se compararon con 135,678 casos que ocurrieron en 2014-15 para probar la la exactitud del modelo para predecir el número de paros cardíacos diarios en otros años (conjunto de datos de prueba).

Y para ver qué tan preciso podría ser el enfoque a nivel local, los investigadores llevaron a cabo un 'análisis de mapa de calor', utilizando otro conjunto de datos extraído de la ubicación de los paros cardíacos extrahospitalarios en la ciudad de Kobe entre enero de 2016 y diciembre de 2018.

La combinación de datos meteorológicos y de tiempo predijo con mayor precisión un paro cardíaco extrahospitalario en los conjuntos de datos de entrenamiento y prueba.

Predijo que los domingos, lunes, días festivos, invierno, bajas temperaturas y fuertes caídas de temperatura dentro y entre días estaban más fuertemente asociados con el paro cardíaco que los datos meteorológicos o de tiempo por sí solos.

Los investigadores reconocen que no tenían información detallada sobre la ubicación de los paros cardíacos, excepto en la ciudad de Kobe, ni tenían datos sobre afecciones médicas preexistentes, las cuales pueden haber influido en los resultados.

Pero sugieren: "Nuestro modelo predictivo para la incidencia diaria de [paro cardíaco fuera del hospital] es ampliamente generalizable para la población general en los países desarrollados, porque este estudio tuvo un tamaño de muestra grande y utilizó datos meteorológicos completos".

Añaden: "Los métodos desarrollados en este estudio sirven como ejemplo de un nuevo modelo de análisis predictivo que podría aplicarse a otros resultados clínicos de interés relacionados con la enfermedad cardiovascular aguda potencialmente mortal".

Y concluyen: “Este modelo predictivo puede ser útil para prevenir [un paro cardíaco fuera del hospital] y mejorar el pronóstico de los pacientes… a través de un sistema de alerta para los ciudadanos y [los servicios médicos de emergencia] en los días de alto riesgo en el futuro”.

En un editorial vinculado, el Dr. David Foster Gaieski, de la Facultad de Medicina Sidney Kimmel de la Universidad Thomas Jefferson, está de acuerdo.

“Saber cuál será el clima más probable en la próxima semana puede generar 'advertencias de emergencia cardiovascular' para las personas en riesgo, notificando a las personas mayores y a otras personas sobre los próximos períodos de mayor peligro de manera similar a cómo se utilizan los datos meteorológicos para notificar a las personas sobre la próxima carretera peligrosa condiciones durante las tormentas invernales ”, explica.

“Estas predicciones se pueden utilizar para el despliegue de recursos, la programación y la planificación, de modo que los sistemas de servicios médicos de emergencia, los recursos de reanimación del departamento de emergencias y el personal del laboratorio de cateterismo cardíaco conozcan y estén preparados para la cantidad de [casos] esperados durante los próximos días ," él añade.

Referencias:

“Modelo de aprendizaje automático para predecir paros cardíacos extrahospitalarios utilizando datos meteorológicos y cronológicos” 17 de mayo de 2021, Corazón.
DOI: 10.1136 / heartjnl-2020-318726

“Pronóstico del tiempo para la próxima semana: nublado, frío, con posibilidad de paro cardíaco” 17 de mayo de 2021, Corazón.
DOI: 10.1136 / heartjnl-2021-318950

Financiamiento: Agencia de Restauración y Conservación Ambiental de Japón; Sociedad Japonesa para la Promoción de la Ciencia; Fondo de Investigación Intramural de Enfermedades Cardiovasculares del Centro Nacional Cerebral y Cardiovascular

- Publicidad -

Más del autor

- CONTENIDO EXCLUSIVO -punto_img
- Publicidad -
- Publicidad -
- Publicidad -punto_img
- Publicidad -

Debe leer

Últimos artículos

- Publicidad -