Los investigadores de Mount Sinai han estudiado un tipo de enfermedad cardiovascular conocida como miocardiopatía hipertrófica (HCM), que ha calibrado un algoritmo de inteligencia artificial (IA) rápidamente y más especialmente para identificar a los pacientes con más afecciones y demolirse tan alto riesgo durante las citas médicas.
El algoritmo, conocido como VIJ HCM, fue aprobado por primera vez por la Administración de Alimentos y Medicamentos para detectar HCM en un electrocardiograma (ECG). Study Mount Sinai, publicado en la revista el 22 de abril Nejam aiProporciona posibilidades numéricas a los hallazgos del algoritmo.
Por ejemplo, si bien el algoritmo puede haber declarado anteriormente que “el Sospecha de HCM fue marcado como” o “alto riesgo de HCM”, Study Mount Sinai, “tiene alrededor del 60 por ciento de la posibilidad de tener HCM”, permite tales interpretaciones “, llamó Joshua Lampart, un director de aprendizaje automático en Mount Sinai Heart Hospital.
Como resultado, los pacientes que no fueron diagnosticados previamente con HCM pueden lograr una mejor comprensión de su riesgo de enfermedad personal, lo que puede conducir a una evaluación rápida y más individual, así como un tratamiento para prevenir complejidades como la muerte cardíaca repentina, especialmente en pacientes jóvenes.
“This is an important step that the novel is an important step in translating deep-learning algorithms into clinical practice, which is in clinical practice by providing more meaningful information to physicians and patients. Physicians can improve their clinical workflows, by ensuring that the highest-risk patients are identified on the top of their clinical work list by using a sorting tool. It is, “Dr. Dr., Profesor Asistente de Medicina (Cardiología y Medicina Digital y Medicina Digital) en la Facultad de Medicina de Ikan en Mount Sinai. Lampart dice. “Esto puede cambiar la práctica clínica porque el enfoque proporciona información significativa de manera clínicamente práctica para facilitar la atención del paciente”.
HCM afecta a una de las 200 personas en todo el mundo y es una causa importante de trasplante de corazón. Sin embargo, muchos pacientes no saben que tienen la situación hasta que tienen síntomas y la enfermedad ya puede avanzar.
Los investigadores de Mount Sinai dirigieron el algoritmo VIJ HCM en aproximadamente 71,000 pacientes, que tenía un electrocardiograma entre el 7 de marzo de 2023 y el 18 de enero de 2024. El algoritmo marcó 1,522 como una advertencia positiva para HCM. Los investigadores revisaron datos de registro y imagen para confirmar qué pacientes se confirmó el diagnóstico de HCM.
Después de revisar el diagnóstico confirmado, los investigadores aplicaron la calibración del modelo a la herramienta AI para evaluar si las posibilidades calibradas de tener HCM están correlacionadas con la posibilidad real de pacientes con la enfermedad. Descubrieron que el modelo calibrado daba estimaciones precisas de la posibilidad de un paciente de tener HCM.
El uso del modelo para analizar los resultados del ECG de los pacientes puede permitir a los cardiólogos priorizar a los pacientes con mayor riesgo para que puedan traerlos lo antes posible para una cita y tratamiento y aumentarlos lo antes posible. El médico podrá explicar el riesgo personal para cada paciente, en lugar de que un modelo de IA los marcara. Esto puede ayudar a unir nuevos pacientes y tener en cuenta para prevenir resultados adversos asociados con HCM, como la muerte súbita o los síntomas del músculo cardíaco grueso obstruyen el flujo sanguíneo.
“Este estudio proporciona una granularidad muy importante para ayudar a reconsiderar cómo aumentamos a los pacientes con trías, estrutinas de riesgo y consejo. En una era de inteligencia de enriquecimiento, debemos desarrollar para incluir una nueva sofisticación en nuestro enfoque de la atención del paciente”, Cardi Reddy, MD, MD, MD, Monte Sinom Director y electrofiziología. “Utilizando la miocardiopatía hipertrófica como ejemplo, mostramos cómo también podemos operar equipos novedosos en la instalación de enfermedades menos comunes mediante la clasificación de la clasificación de IA a los pacientes con Triaz”.
This study reflects practical implementation science in its best form, shows how we can integrate advanced AI tools in the real world clinical workflow, “co-prone writer Girish N. Nadkarni, MD, MPH, Artificial Intelligence and Human Health Department for Digital Health, and Human Health, and Human Health, ICHN School of Medicine in Mount Sinai. “It is not only about the creation of a high-demonstration algorithm-it is about ensuring that it supports La toma de decisiones clínicas que mejoran las consecuencias del paciente y realmente se alinean con la atención. Cómo se da este trabajo. Esto muestra cómo un modelo calibrado puede ayudar a los médicos a priorizar a los pacientes adecuados en el momento adecuado y puede ayudar a hacerlo. “
El siguiente paso es expandir este estudio y la calibración de IA para HCM para sistemas de salud adicionales en todo el país.
Viz.ai patrocinó este estudio. El Dr. Lampart Vij es asesor de pago para AAI.
Passionate about Blogs since 1994
