Un nuevo modelo de IA es mucho mejor que los médicos, lo que probablemente identifique a los pacientes con partos cardíacos.
Lynchpen tiene el potencial de que el sistema analice imágenes cardíacas de uso largo, así como con un espectro completo de registros médicos, para mostrar la primera información oculta sobre la salud del corazón del paciente.
El trabajo impulsado por el Fondo Federal, dirigido por los investigadores de la Universidad Johns Hopkins, puede salvar muchas vidas y ahorrar muchas intervención médica innecesaria, incluido el trasplante sin ninguna defensa.
“Actualmente tenemos pacientes que mueren en la parte más grande de sus vidas porque no son seguros y otros que no están tomando ningún beneficio para los difamadores durante sus vidas”, dijo la autora senior Natalia Tranova, una investigadora centrada en el uso de inteligencia artificial en cardiología. “Tenemos la capacidad de predecir con mucha precisión si un paciente repentino de muerte cardíaca está en alto riesgo”.
Estos resultados se han publicado hoy Investigación cardiovascular de la naturaleza.
La cardiomopatía hipertrófica es una de las enfermedades cardíacas más comúnmente heredadas, que afecta a una de cada 200 a 500 personas en todo el mundo, y es una causa importante de muerte cardíaca repentina en jóvenes y jugadores.
Muchos pacientes con cardiomopatía hipertrófica vivirán una vida normal, pero de repente la muerte cardíaca ha aumentado significativamente en un uno por ciento. Es casi imposible para los médicos decidir quiénes son.
Treyuva dice que las pautas clínicas actuales utilizadas por los médicos en los Estados Unidos y Europa, que en su mayoría corren el riesgo de viajes cardíacos mortales para identificar a los pacientes para identificarlos, no tienen más probabilidades de identificar a los pacientes adecuados “, dice Trevova.
El modelo del equipo mejoró significativamente las pautas clínicas en todos los asentamientos.
La IA multimodal para la estrategia de riesgo de atemia ventricular (MAAR), mediante el análisis de numerosos datos y registros médicos, predice el riesgo de pacientes individuales con muertes cardíacas repentinas y, por primera vez, el corazón del paciente contiene mejores imágenes de resonancia magnética.
Las personas con cardiomopatía hipertrófica producen fibrosis o manchas en sus corazones, y esta es la mancha que de repente aumenta el riesgo de muerte cardíaca. Aunque el Dr. Rut no pudo realizar las imágenes de MRI, el modelo AI cero en manchas críticas.
“La gente no ha utilizado una educación profunda en estas imágenes”, dijo Tarianova. “Somos elegibles para eliminar esta información oculta en las imágenes que generalmente no se calculan”.
El equipo probó un modelo contra los pacientes reales tratados con pautas clínicas tradicionales en el Hospital John Hopkins y el Instituto de Heart e Instituto Vascular de Sanjar en Carolina del Norte.
En comparación con las pautas clínicas que eran precisas de medio tiempo, el modelo de IA fue un 89 % preciso en todos los pacientes y, críticamente, fue un 93 % válido para personas de 40 a 60 años, con pacientes con cardiacidad hipertrófica en riesgo de muerte cardíaca repentina.
El modelo de IA también puede explicar por qué los pacientes tienen un alto riesgo para que un médico pueda preparar un plan médico para satisfacer sus necesidades específicas.
“Nuestro estudio muestra que el modelo de IA mejora significativamente nuestra capacidad de predecir a las personas más peligrosas que nuestro algoritmo actual”, dijo Jonathan Cruspin, coherente por Johns Hopkins.
En 2022, el equipo Tripnova desarrolló un modelo de IA multimodal diferente que ofreció diagnóstico de supervivencia personal para pacientes con información, prediciendo si morirá el paro cardíaco y cuándo.
El equipo planea evaluar más modelos en pacientes y aumentar los nuevos algoritmos para usar con otros tipos de enfermedades cardíacas, incluida la sarcoidosis cardíaca y la miopatía cardioventricular derecha atemogénica.
Los autores incluyen Changkson Lai, Manglang Yin, Yujin G Kholmoski, Dan M. Poppsko, Adam Banka, Stephen L. Zimerman, Allison G. Hebs, todos John Hopkins. Daiyan Lund M Rosel Ibrahimo Universidad de California San Francisco Cardio Cardio Maipathi Centro de Excelencia; Y Erica Square Dermot M. Filanov Artemal Health.
